自然启发的算法是近几年来在协同进化论基础上发展起来的一种新的优化算法,为寻找复杂问题解决方案提供了新的思路。由于自然启发的优化算法具有的智能性、通用性、本质并行性和全局搜索能力,已在计算机科学、知识发现、通信网络、机器人等研究领域显示出潜力和魅力,成为智能计算领域的一个研究热点。本文对两类自然启发的优化算法:类电磁机制算法和遗传算法,进行了系统深入的研究,针对不同的优化问题提出了有效的自然启发的优化算法进行求解。本文的主要工作如下:1.针对标准类电磁机制算法中电荷溢出和参数敏感的问题,提出了新的电荷和粒子之间作用力的计算公式。任意两个粒子之间作用力的大小与两粒子的目标函数之差、粒子的距离有关,鼓励粒子沿着合力的方向朝邻近的局部最优解移动。在此基础上,提出了求解无约束优化问题的类电磁机制算法。用标准的Benchmark函数对算法的性能进行了测试,并和已有算法的比较结果表明,新算法能够快速的求出问题的最优解或近似最优解。2.提出了一种基于模式搜索的类电磁机制算法求解约束优化问题。引入了粒子的违反度函数,提出了约束优化问题粒子电荷的0-1计算公式,使得可行粒子的电荷总是大于不可行粒子的电荷;新的受力公式,有利于引导不可行粒子转化为满足约束条件的粒子。理论分析表明新算法以概率1收敛到问题的全局最优解。数值实验结果表明,新算法具有收敛快、求解性能好的特点,是求解约束优化问题的一种非常有潜力的算法。3.给出了求解多目标优化问题的一种新遗传算法。为了引导搜索向有利的方向进行,设计了有效的杂交算子和简单的变异算子,并证明了算法的全局收敛性。计算机仿真结果表明新算法可以快速的找到一组Pareto最优解。4.研究了一种求解图着色问题的新解法。针对整数编码的冗余性,提出了有序整数编码方式,大大缩小了搜索空间。基于图着色问题的特点,设计了一种新的、有效的杂交算子。为了提高杂交算子的搜索能力,结合了一个贪婪的局部搜索技术来改进杂交算子。在此基础上提出了求解图着色问题的一种新的遗传算法,并证明了其全局收敛性。对10个国际标准算例(图的顶点从11到1000)进行了仿真实验,与以往算法的比较结果表明,新算法是有效的、有竞争力的算法。