海樽优化算法(Salp Swarm algorithm,SSA)是模拟海洋中生物海樽在海洋中移动和捕食行为而提出的一种新的群智能优化算法。该算法具有结构简单,搜索能力强,鲁棒性较强,并且比较容易实现等特点。但随着研究的深入,研究者发现海樽优化算法也存在着后期寻优精度不高,易陷入局部最优等缺点。本论文针对海樽优化算法所存在的不足之处进行改进,并将改进的算法应用于优化问题,目的在于完善海樽优化算法的理论基础并拓展其应用范围。本论文的主要研究工作包括:(1)采用单纯形法对植物海樽优化算法进行改进,增加了算法全局和局部搜索能力,避免了算法在后期陷入局部最优,同时提高了算法的收敛速度,使得海樽优化算法的整体的性能更优。(2)为增加海樽优化算法种群的多样性,将极坐标编码应用到海樽优化算法中,提出了一种基于极坐标编码方式的海樽优化算法。相比较于传统的实数编码,极坐标编码方式扩大了海樽个体的多样性和搜索空间范围,减弱陷入局部最优的可能性,有效地提高了算法的收敛性和稳定性。通过实验表明,极坐标编码方式的海樽优化算法在求解一些复杂优化问题有一定的优势。