优化问题广泛地存在科学研究和工程实际中,群智能算法作为一类优化算法,解决了很多工程实际中的优化问题,提高了生产的质量与效率。为此,围绕微粒群算法、蝙蝠算法、混合群智能算法及其应用展开研究。首先,针对微粒群算法作用力规则单一、种群结构简单的问题,构造多作用力多子种群结构,提出多作用力多子种群微粒群算法。在微粒群中构造3个子种群,在子种群1、2中采用前、后两个阶段搜索的策略,子种群1、2的前期构造平衡引斥力规则,子种群1后期构造双加速度引力规则,子种群2后期构造自适应引斥力规则,子种群3中构造单一引力规则。通过标准优化测试函数进行算法测试,将测试结果与其他改进微粒群算法对比,验证多作用力多子种群微粒群算法的搜索能力。其次,针对蝙蝠算法寻优精度低、种群多样性差的问题,基于多作用力多子种群结构,提出多作用力多子种群蝙蝠算法。在蝙蝠群中构造3个子种群,在子种群1、2中采用前、后两个阶段搜索的策略,在子种群1、2的前期构造平衡引斥力规则,子种群1后期构造双加速度引力规则,子种群2的后期构造自适应引斥力规则,子种群3中构造单一引力规则。通过标准优化测试函数进行算法测试,并将测试结果与PSO算法、EPSO算法、BA算法及多作用力多子种群微粒群算法对比,验证多作用力多子种群蝙蝠算法的搜索能力。进而,针对单一群智能算法易早熟收敛,陷入局部最优解的问题,提出有向自组织动态拓扑混合群智能算法。将多作用力多子种群微粒群算法与多作用力多子种群蝙蝠算法结合,形成混合群智能算法,为改进混合群智能算法个体间的交互关系,将有向自组织动态拓扑结构与混合群智能算法结合。对有向自组织动态拓扑混合群智能算法的性能进行测试,验证有向自组织动态拓扑混合群智能算法的搜索能力。最后,针对四辊轧机机座结构优化、加工工艺参数优化、齿轮传动优化设计问题,应用有向自组织动态拓扑混合群智能算法求解,实现算法的实际应用。