萤火虫算法(Firefly Algorithm，FA)是在2008年由英国剑桥学者Yang提出的一种新型启发式智能优化方法，其基本思想来源于萤火虫成虫利用发光的生物学特性而表现出来的觅食、求偶、警戒等社会性行为，它们之间利用发光而相互吸引移动，达到寻优的目的。目前该算法已成功应用于组合优化、路径规划、图像处理、经济调度等领域，表现出了良好的优化性能和实际应用的潜力。然而，毕竟萤火虫算法近年刚被提出，作为新的群智能优化算法，还有很多问题值得研究，如易陷入局部最优、运行后期收敛速度慢、缺乏数学理论基础等，并且其应用范围还比较狭小，所以进一步研究和分析其规律、性能，拓展其应用领域很有必要。基于此，本文主要做了以下研究：(1)针对萤火虫算法在全局寻优搜索中的收敛速度、易陷入局部最优、求解精度等方面问题，利用单纯形法局部搜索速度快和萤火虫算法全局寻优的特点，提出一种基于单纯形法的改进型萤火虫算法(SMFA)，仿真实验结果表明，改进后的算法在函数优化方面得到明显提高。(2)基于萤火虫算法与贪心策略和变异策略相结合，提出了一种求解0-1背包问题的贪心萤火虫算法，该算法引入贪心策略和变异策略，以提高算法的性能。仿真实验结果表明，该算法在求解0-1背包问题上具有更强的处理约束优化能力和快速收敛的效果。(3)将协作搜索机制引入到萤火虫算法中，拟利用协作搜索机制提高萤火虫跳出局部极值的能力。通过对多个UCI数据集的仿真实验结果表明，改进的算法在聚类分析方面具有良好的效果。(4)综合分析了算法中关键的参数对算法优化性能的影响，利用一些标准测试函数进行仿真实验，通过实验数据说明关键参数在算法优化过程中的作用。