哈里斯鹰算法作为一类新型群智能算法,受哈里斯鹰群狩猎行为启发而提出。哈里斯鹰算法具有原理简单、参数少、易实现、适合与其它算法结合、在高维问题上表现出色等优点,可用于求解各类寻优问题。也存在重点参数设置简单、低维问题上精度有限、过度依赖现有个体等问题。针对哈里斯鹰算法的不足,本文对哈里斯鹰算法进行了研究和改进,并应用于求解具有实际背景的优化问题。本文主要工作如下:（1）提出了一种改进哈里斯鹰算法（MHHO）。在MHHO中,结合猎物自身的逃逸能量更新猎物跳跃强度,对精英个体选择保留,随机个体进行Levy飞行,并引入了邻近搜索算子加强局部搜索能力。MHHO与HHO、PSO、WOA同时对测试函数进行寻优测试,通过对比表明了改进的有效性;（2）提出了具有差分变异的哈里斯鹰算法（DHHO）。在DHHO中引入了差分进化的概念,为了使算法跳出局部最优加入高斯变异。新种群的选择方法结合适应度值和种群多样性综合考虑。通过相同测试函数的寻优实验表明了 DHHO改进的有效性;（3）改进后的算法应用于光伏电池参数辨识,通过对光伏电池单双二极管两种等效模型的主要参数进行辨识。将同样光照强度,不同温度下采集的数据用几种算法分别进行参数寻优,通过与实际曲线的拟合表明了改进算法在光伏电池参数辨识中的有效性;（4）对桥式吊车进行RBF神经网络建模,用改进算法与其它算法分别对RBF神经网络中心点和方差进行寻优。将采集到的数据分成训练集与测试集,用训练集对神经网络进行训练,用测试集进行检测。通过对比预测数据与实际数据表明了改进算法的有效性。