群智能优化算法是通过监测自然界社会性动物的集体行为进行模拟的计算机模型,其基本算法和应用包含大量问题,需要进一步透彻研究。鲸鱼优化算法模型是近几年相当火热的新型智能优化改进算法,属于元启发式算法的其中之一,具有明显先发优势:协调机制简易,参考综合因素少,结构简单,应用型强。正因如此,鲸鱼优化算法相比于其他算法有相对明显的优势,并且它已被成功应用在许多方向中,是近期计算机领域最有研究意义的算法中的其中一个。该算法自2016年面世至今,引起国内外各界学者的特殊青睐,6年的时间鲸鱼优化算法已经成功应用到:车间调度,函数优化,图像识别,医学影像等各种行业。即使如此,算法的研究仍处于待完善阶段,依旧存在一些基本问题,这无疑影响算法的发展与应用。本文根据鲸鱼优化算法存在的缺陷例如:易陷入局部最优,初始化阶段随机性大,收敛精度低,全局和局部搜索不平衡等问题进行了细致的研究与改善,在鲸鱼优化的性能上进行了混合策略改进即多策略分别改进,此外,研究了鲸鱼优化算法在特征选择和离散型优化问题（0-1背包）的实际应用。总而言之,就是从鲸鱼优化算法的理论和应用两方面着手对其进行讨论,主要工作如下:（1）提出一种基于混合策略改进的鲸鱼优化算法（TQAWOA）,针对原本的种群随机初始化随机性大的问题,利用混沌Tent映射代替原始种群,使其产生多样性良好的优质混沌初始种群,该策略保证种群多样性的同时产生优良鲸鱼种群,为全局搜索提供条件;针对收敛速度慢的问题,在收缩和包围阶段增加自适应权重策略,平衡全局搜索与局部寻优能力;针对解的精度低的问题,利用二次插值策略生成新的鲸鱼个体,并用贪婪策略更新局部最优解,以提高种群计算的精度;通过不同智能优化算法的对比在15个基准函数上的实验验证,结果表明,改进鲸鱼优化算法（TQAWOA）获得了理想的优化效果。（2）提出了一种混合策略改进的鲸鱼优化算法在求解0-1背包中的应用,在改进鲸鱼优化算法（TQAWOA）的寻优机制的基础上,引入莱维飞行机制,用来改善算法的搜索效率,防止种群陷入局部最优值导致种群聚集,提高了算法的优化能力。将改进算法TQALWOA在6个不同容量的0-1背包上进行试验论证,得到的实验数据证明,改进的算法在应用0-1背包时具有优异效果,切实可行,开拓了智能优化算法在离散优化领域的求解思路,拓宽了算法的应用范围。