自然生态复杂系统具有多样性、复杂性与智能性的特点,为现代工业领域科技创新提供了无限空间。觅食行为是自然界一切生物最基本的行为,是生物生存和繁殖所必需的。经过亿万年的漫长演化,从低等单细胞生物细菌到高等动植物,不同类型的生命体进化出了形形色色的觅食行为。本研究从个体自适应觅食、生物种群信息交流与生命周期搜索、生物群落多种群协作三个层面抽象基于生物觅食行为的智能计算模式,进而模拟自然界启发源的内在规律与演化机理,在此基础上构建生物觅食优化算法的统一框架模型,最后从概念、性质、模型、方法等多角度提出几种模拟自然界典型生物觅食行为的智能计算模式并进行实际工程应用研究。本文结合当前生物启发计算研究中的热点、难点和关键问题,从理论分析和工程应用方面取得了诸多具有创新性和应用价值的研究成果,具体如下：(1)基于植物形态素分布、传输及自适应生长控制机制,基于L-系统理论与方法,模拟真实植物根系的生长行为模式,对植物根系自适应生长与觅食行为进行仿真分析,并进一步抽象其自组织、自适应最优觅食机制,构建了植物自适应生长优化模型与算法(Root System Growth Optimization, RSGA)。以Sphere和Griewank函数为土壤环境分析了根系算法的向水性和向重力性等特点。并在复杂优化问题CEC2005函数测试集上进行测试与仿真,结果证实该新型生物启发计算模型RSGA具有良好的优化精度和收敛速度,尤其在高纬度测试函数上效果更为突出,具有高效求解实际工程应用中连续、动态优化问题能力,并为复杂植物生物系统建模方法研究提供了新思路。(2)深入研究自然界菌群个体自适应觅食、群体信息交流(群体感应)机制,系统地开展典型细菌群体行为的建模仿真研究；在信息交流模式与生命周期搜索策略研究基础上,模拟细菌克隆、分裂、死亡等操作,并提出基于生命周期的新型菌群觅食优化算法(Life-cycle Bacterial Colony Foraging Optimization, LBCFO)c通过跟踪该算法对Sphere、Rosebrock、Rastrigri、Griewank等函数的种群变化趋势曲线,其规律性先变大后变小的特点与自然界中微生物生命周变化现象吻合。基于标准测试函数的仿真实验验证相对于其他菌群算法及其衍生版本,拥有群体感应机制的改进型菌群算法能够显著提高收敛速度与精度,而生命周期搜索机制能够实现算法的自适应性与高效性。为了验证所提出LBCFO算法求解复杂工程优化问题性能,在智能制造领域3D打印系统的喷射状态优化问题进行测试,通过在ANSYS有限元软件上建立打印喷头的结构化模型,利用启发式算法对喷头的输入电压波形参数进行合理优化。仿真结果证实,相对于BFO、BSO、ABFO算法,LBCFO算法在优化波形参数获取期望液滴体积和液滴速度方面精度更高,进一步验证了所提算法与模型的可行性与有效性。(3)将复杂生物系统的层次信息交流结构与自然蜂群觅食机制相结合,模拟自然界中复杂自适应生物系统的层级演化模式以及不同个体、群体和层次之间的自适应觅食、信息交流以及协同进化规则,提出实现个体自适应、单一种群内进化、多种群间协同的具有复杂系统层次结构的多蜂巢蜂群优化算法(Multi-colony Coorperation Bee Foraging Algorithm, MCBFA).:通过将多种典型拓扑结构引入到MCBFA算法之中,可实现对信息流动方向和信息流动速度的控制,并测试高维度Rosenbrock, Ackley, Rastrigrin, Griewank函数,证明多种群协作觅食蜂群算法能够有效的保持整个群体的多样性。为了验证所提出MCBFA算法求解复杂工程优化问题性能,选择多阈值图像分割问题进行测试。通过测试常用的基本测试函数图形集合,证明所提出的协同进化算法能够有效克服传统单层生物启发式优化模型的“早熟收敛”问题,获取较高的适应度值,进一步证实了MCBFA算法适于求解此类图像分割问题。(4)将自然界生物的自适应觅食现象与移动机器人动态路径规划相类比,设计了基于自然生物最优觅食理论的新型生物启发计算算法(Dynamic Animal Foraging Optimization, DAFO),该算法融合了自然生物的局部搜索策略和自适应觅食策略。通过对无约束复杂动态多峰测试函数库MPB的测试,证实所提出的DAFO算法具有较高的准确性和稳定性,具备动态优化能力。并以Sphere函数作为机器人路径寻优的仿真测试环境,DAFO算法驱动的搜索主体可以顺利避开障碍并且快速找到目标地点,有效节约了行走时间,验证了本文提出的DAFO算法是一种高效、稳定、有竞争力的仿生智能优化方法,在求解实际复杂工程优化问题中体现了极为优越的搜索效率和求解精度。