在专家系统、模糊数学、人工神经网络这些人工智能技术之后,用于优化的进化算法已经成为又一个热点课题.并且被广泛应用于很多科学领域.而且也成功地应用在解决结构设计或网络结构之类的问题中.我国是从90年代才开始着重开展进化算法研究的.主要是在结构优化和参数优化的工程技术优化方面.而且目前已经在参数优化的方法上取得了一定的成就.与其它科学技术一样进化计算也经历了一段逐渐成长壮大的过程.对最优化问题的研究有一段悠久的历史.公元前212-187年,数学大师阿基米德证明的等周问题就拉开了优化问题的序幕.后来利用计算机处理最优化问题代替了上世纪50年代的利用导数变分等的传统优化极值的方法.像牛顿法、梯度法等这样的古典算法,对早熟局面无能为力.然而进化算法采用的是一种黑箱式框架型技术,在当要解决的问题具有不确定性或者形式比较复杂时,即使没有明确的函数关系式也能行之有效.对于目前的形势,有待解决的问题是能否探索出一种高效的优化算法既快速又准确地找到全部全局极值和所需要的局部极值.引起了人们更为关注的是利用进化算法求解优化问题已经取得的惊人成绩已另越来越多的学者加入到了进化算法优化的研究队伍中,并提出了很多更有效的优化改进算法.鼠群算法是一种新型的改进的模拟进化算法,但是仅仅只是在静态环境下对机器人的路径进行规划.另一方面,对于多模态函数优化问题和连续实函数的约束优化问题,有些进化算法在寻优的过程中过分集中,最后可能都移向某个局部最优点.而本文所设计的采用实数编码的鼠群算法引入小生境思想来实现寻优过程的全局最优,并且结合差分变异演化思想,及时对经验因子进行更新,更充分的利用个体的信息量,提高了各个体之间的信息交流,有效的避免了陷入局部最优.并且通过对连续多变量无约束函数的优化和典型的多模态函数的测试与模拟仿真,利用评价指标更准确的证明了算法的准确性及有效性.