人工鱼群算法是一种新型的群智能随机优化算法，本质上是一个复杂的智能系统，它具有较强的鲁棒性、优良的分布式计算机制、易于和其他方法结合等优点。目前对该算法的研究、应用已经渗透到多个应用领域，并由解决一维静态优化问题发展到解决多维动态组合优化问题。人工鱼群算法已经成为交叉学科中一个非常活跃的前沿性研究课题。本论文首先简单阐述人工鱼群算法的基本思想、特点和研究现状，论述对其进行改进研究的意义；接着讨论了几种对算法进行改进的方法，其中包括：基于网格划分策略的算法改进、具有逃逸行为的改进算法EAFSA、加入繁殖能力的改进算法PAFSA和基于多个算子的人工鱼行为改进算法。在基于网格划分策略的算法改进中，使用网格划分策略对连续域的优化问题离散化，提高了算法对精确解的获取能力，同时禁忌搜索思想的引入也加快了算法的收敛速度；在改进的EAFSA算法中，对人工鱼群进行了种群划分，在普通行为种群的人工鱼进行正常寻优的同时，加入的具有逃逸行为的人工鱼群进行全局最优解域的寻找，有助于引导普通鱼群跳出局部最优解域，增强了算法的收敛性；在改进的PAFSA算法中，对人工鱼群进行基于相似性的级别划分，不同级别的人工鱼，其在算法迭代过程中的作用是不同的：或者进行全局搜索区域的开采，或者进行局部最优解的发掘，实现了搜索效率和效果的平衡；在对人工鱼的行为改进中，引入了多父体杂交算子、自适应delta变异算子、双算术交叉算子、峰跳算子等，对人工鱼的个体行为进行了优化改进，大大增强了人工鱼群算法求解高度复杂问题的能力。最后简单总结了对人工鱼群算法的改进效果和今后的研究方向。本论文对人工鱼群算法的改进方法进行了深入研究和尝试，改进后的人工鱼群算法，具有更高的搜索效率和获取最优解的能力。本论文的研究成果对于应用人工鱼群算法解决实际优化问题具有重要的参考意义，对人工鱼群算法的进一步深入研究也具有较高的参考价值。