近年来,内部搜索算法(ISA)是一个较为受欢迎的群体智能算法,该算法中的候选解分为三种(最优候选解、构造组的候选解和镜子组的候选解),三种候选解分别执行相应的候选解更新式子。整个内部搜索算法待定参数极少且通俗易懂,已成功应用于多种优化问题,正在逐步成为学者重点关注的研究课题之一。然而,内部搜索算法存在计算函数最优值与真实最优值偏差度较高的缺陷。针对该缺陷,攻读硕士学位期间对内部搜索算法进行了相关研究,本文展示的研究工作如下:(1)为了克服内部搜索算法的缺陷,通过将缎蓝亭鸟优化器(SBO)与内部搜索算法进行结合从而获得缎蓝亭鸟优化器与内部搜索算法的混合算法(SBO-ISA),进而在一定程度上缓解了内部搜索算法的缺陷,具体结合操作为:将SBO的候选解更新式子以及当前候选解的前两名或后两名候选解混入到ISA中的构造组的候选解更新式子中,同时在最优候选解的更新式子中引入构造组的候选解更新式子、排名靠后的候选解和SBO的候选解更新式子的一部分,并在最后将ISA的新旧候选解保留方法更换为SBO的新旧候选解保留方法。SBO-ISA已经通过了5个单模态测试函数和6个多模态测试函数的仿真实验。实验结果表明,在一定的条件下,ISA的寻优性能弱于SBO-ISA。(2)针对SBO-ISA所具有的搜索函数最优值精度不高的缺陷,将增强的振动粒子系统算法(EVPS)混入到SBO-ISA中,从而得到SBO-ISA-EVPS算法,在一定程度上加强了算法的寻优能力,具体的混合操作为:使用别人提出的执行方法,时而按照SBO-ISA对个体的坐标进行更新,时而按照增强的振动粒子系统算法对个体的坐标进行更新,从而实现了增强的振动粒子系统算法与SBO-ISA的混合。对SBO-ISA-EVPS算法、内部搜索算法、增强的振动粒子系统算法和SBO-ISA进行了仿真实验,使用了5个单模态测试函数和6个多模态测试函数进行仿真测试,并对实验结果进行了分析。实验结果表明,在一定的条件下,增强的振动粒子系统算法的寻优能力和SBO-ISA的寻优能力都弱于SBO-ISA-EVPS算法。