随着工业的发展和科研工作的深入,传统算法在某些复杂问题中显得捉襟见肘,与此同时,群智能算法应运而生。拟态物理学优化算法作为群智能算法的一名新秀,凭借其设置参数少、原理简单、编码易于实现等优点得到学者们的关注,并获得了一定的科研成果,但由于对拟态物理学算法的研究起步较晚,其理论尚不完善。尤其在约束优化方面(单目标、多目标及区间多目标)的研究较少。针对以上问题,本文进行了以下研究:(1)研究了基本拟态物理学优化算法的原理及不足,针对其初始化阶段样本可能分布过于集中、后期粒子可能陷入局部最优等问题提出了改进策略(引入反向学习和混沌变异机制),并将改进后的算法用于复杂函数的优化及Wiener系统参数辨识和中国31省会城市路径优化;(2)介绍了单目标约束优化问题的数学模型,尝试引入滤子技术解决约束问题,用数值实验对所提算法的可行性进行了验证,并尝试将该算法用于实际工程的参数优化;(3)定义了多目标约束优化问题(MOP)的数学模型,提出两种基于拟态物理学算法的改进算法:算法一(基于滤子技术、作用力规则和随机加权的拟态物理学算法,FMLAPO)中引入约束违反度函数用于评价不可行域内粒子的好坏,并从作用力规则上限制了Pareto前沿上的不可行域内的解;利用随机加权法实现其单目标化。算法二(基于极大熵函数和滤子技术的拟态物理学算法,FMSAPO)中利用极大熵函数法将MOP问题转化为单目标优化,再利用滤子技术处理约束条件。将所提算法用于含约束MOP问题的优化中予以测试其有效性;(4)介绍了区间多目标约束优化问题(IMOP),尝试利用模糊加权法将IMOP优化转化为单目标区间优化(ILPM);利用区间数理论将区间优化转化为求解目标函数区间上下界的问题,进而求解对应的确定型(单)目标优化模型,由于变换后的模型中约束条件的个数比较多,而滤子技术对约束又有较强的处理能力,故利用滤子拟态物理学算法(FMAPO)算法对其进行优化求解。