细菌觅食优化算法是一种具有精细搜索特性且强全局搜索能力的元启发算法。它通常被用于解决连续优化问题，还很少被用于解决组合优化问题。另外，在处理高维优化问题时，细菌觅食优化算法容易产生早熟现象。本文主要研究如何改进传统细菌觅食优化算法，使其能更好地解决高维连续优化问题以及组合优化问题，在自适应趋向步长、聚群因子、BFO算法多目标化以及BFO算法离散化四个方面分别提出了基于场的自适应细菌觅食优化算法、基于随时间变化加速系数的细菌群优化算法、自适应多目标细菌群优化算法以及基于集合的细菌群优化算法。提出的模型分别在函数和组合优化问题测试案例的模拟实验中进行了测试，结果表明这些新的改进方法能获得良好的性能。本文的研究一方面为细菌觅食优化理论和方法的进一步发展起到促进作用，另一方面为细菌觅食优化算法在实际问题中的应用奠定基础。因此，具有一定的理论意义和应用价值。