最优化方法对于解决生活中的问题有着重要的意义,也一直是众多专家学者研究的主题。比较于经典的进化算法和基于梯度特征的优化算法,群智能寻优算法表现出了良好得自组织性,简单的个体行为,优秀的全局寻优本领等诸多特点,近年来已发展成为一个新的热门科研领域。其中,人工鱼群算法(AFSA)是起源于对鱼群追尾(AF_Follow)、聚群(AF_Swarm)和觅食行为(AF_Prey)模仿的智能寻优算法,有强健的鲁棒性、优良的全局收敛性和较低的初始要求等特点,能为非线性函数的寻优研究提供较优的解决方案。但对于一些复杂情况,算法本身还是存在一些问题,例如算法寻优精度低、每次迭代耗时较长、寻优后期收敛速度慢等。为此,文章对AFSA进行改善,提出采用VPS变种群策略的人工鱼群算法(VAFSA)。对寻优步长进行动态地调整,以提高优化的准确度;提出了具有记忆功能的行为选择策略,即人工鱼在行为选择时会首先模拟执行上次迭代的行为,若此次行为的结果优于上次行为的结果,则执行此行为,而不再模拟执行其他行为进行比较,减少了算法每一代的进化时间;采用变种群策略提高鱼群进化后期的多样性,从而提高寻优后期的收敛速度。从实验结果可以看出,VAFSA的性能相比AFSA有大幅提高,算法的寻优精度更加准确,每次迭代的耗时更少,寻优后期的收敛速度更快。研究了图像关于增强的原理,灰度变换拟合采用归一化的非完全的Beta函数,目标函数使用均方误差,图像增强问题被转变为寻找目标函数的最优值问题,采用VAFSA进行优化,提出了一种全新的图像增强算法。试验结果展示了新增强算法获得的图像具有较好的视觉效果和质量。针对采用VPS(Various Population Strategy)变种群策略的人工鱼群算法,如何合理地设置种群初始规模、最大规模和种群增大策略、维持策略、减小策略及此过程中人工鱼的行为选择是影响算法性能的关键。在后续科研中,将进一步钻研种群变换策略,提高VAFSA的性能。此外,还可以考虑VAFSA在其他领域的应用研究。