水波优化算法是以浅水波理论为基础,是通过模拟水波的传播、碎浪、折射操作在搜索空间中进行全局优化的一种新兴元启发式优化算法。与其它启发式优化算法相比,它具有框架简单、易于实现和参数较少等优点,因而受到众多学者的广泛关注和研究,并被成功应用于优化问题且显示出良好的优化性能。随着研究的不断深入,研究者发现水波优化算法在收敛速度和求解精度上还有待进一步改进和提高。本文针对水波优化算法的求解精度、收敛速度、全局探测能力和局部开采能力等所存在的不足,在原算法的基础上,从演化新策略和算法参数设置方面进行了改进,并将改进后的算法应用于一些工程优化问题中,进而改进水波优化算法的优化性能,目的在于完善其理论基础,扩大其应用范围。本文的工作主要有:(1)由于启发式优化算法的收敛性和求解精度与随机初始化的种群密切相关,为进一步提高水波优化算法的求解精度和收敛速度,提出了一种基于水波优化和混沌优化的混合优化算法。实验结果表明改进后的算法在计算精度和收敛速度上都有一定程度的提高,所提出的混合水波优化算法能改进水波优化算法的整体性能。(2)为提高水波优化算法的全局探测能力和局部开采能力,在原算法的基础上,提出了一种精英反向学习策略的全局水波优化算法,并将改进后的精英反向学习策略的水波优化算法应用于一些工程优化问题,显示出了良好的优化性能。