在大量实际问题中，往往存在不止一个全局最优解和多个局部极值解，如何构造一种优化算法，使之能够求出所有全局最优解和尽可能多的局部最优解，这类问题就称作多模态优化问题或多峰函数优化问题。而多模态优化问题又可以分为多模态单目标优化问题和多模态多目标优化问题。烟花算法是最近才提出一种群体智能算法，可以用来求解很多实际的优化问题，具有很好的局部搜索能力。但是近年来烟花算法还没有被应用到求解多模态优化问题上。本文主要研究烟花算法在多模态优化问题上的应用，对传统烟花算法做出改进并提出了两种新的烟花算法分别用于解决多模态单目标优化问题和多模态多目标优化问题。本文主要工作概述如下。
　　本文提出了一种基于烟花算法的多模态单目标优化算法。为了保持种群的多样性和提高烟花算法的全局搜索能力，本文将小生境算法应用到烟花算法中，设计了一种自适应小生境半径的烟花算法(ANRFWA)，并提出了局部最优支配区域的概念。局部最优解在其支配区域中是绝对占优的，为了减少不必要的迭代，算法在其支配区域中抑制其他烟花的爆炸。本文通过20个不同特征的多模态优化问题对算法进行了测试，实验结果表明，ANRFWA在大多数测试问题上表现良好，取得了较好的全局收敛性和分布多样性。
　　本文提出了一种基于改进拥挤距离的烟花算法(ICDFWA)来求解多模态多目标优化问题。由于要同时考虑解在目标空间和决策空间的分布，在本文提出的ANRFWA的基础上，对拥挤距离和烟花选择算子进行了改进，使其适用于多模态多目标优化问题的求解。本文提出的算法在多模态多目标测试问题集上取得了比MO_Ring_SCD、Omni-optimizer、DN-NSGAⅡ等先进的多模态多目标算法更好的性能。