智能优化算法广泛应用于数据处理、工程设计和投资决策等问题。由于实现简单且具有很强的鲁棒性,受到很多研究者的关注。近年来,许多新颖的算法都是启发于自然现象如积水成河、生物地理、螺旋等等,这些算法模拟了大自然的运作和变化过程。特别地,作为求解优化问题的新型螺旋算法,便是受自然中的螺旋现象的启发。由于螺旋算法原理较为简单、参数少,且具有天然收敛性,从问世开始就受到了学者们的普遍关注。虽然传统的螺旋算法提供了一种处理优化问题的新思路并且保证了算法的收敛性,但是在处理实际问题上有着计算代价过大、螺旋机制单一、收敛速度慢且寻优精度差等特点。为了克服这些不足,本文对传统螺旋算法上进行了两种改进,主要工作如下:（1）针对传统螺旋算法（SDA）中所采用的单一螺旋策略导致全局搜索能力较弱的缺点,提出一种基于组合螺旋的螺旋优化算法（MSPO）。首先,为了丰富螺旋结构将螺旋角度随机化,提高遍历搜索空间的随机性。其次,为了降低螺线计算的代价,通过设计比例因子τ,控制每次旋转的平面数,从而达到降低螺旋维度和简化螺旋计算的效果。最后,为了解决螺旋算法过早收敛的问题,采用动态螺旋选择机制,在群体中基于适应值信息和位置信息搭建三角空间,螺旋中心落在三角空间内的任意位置,使得在每次迭代所用的螺旋中心在三角空间内随机配置。（2）为进一步加强螺旋的搜索能力、减少计算代价,提出了一种基于随机搜索的螺旋优化算法（IMSPO）。首先,在螺旋计算中,通过将螺旋角均匀等份设计螺旋群,使得每次旋转过程都由螺旋群所控制,大大降低螺旋计算代价,同时全维度螺旋也保证了螺旋的完整性。其次,为了提高跳出局部最优的能力,在算法中引入随机搜索机制。随机搜索可以分为普通随机搜索和随机螺旋搜索,它们分别表示群体内的直线伸缩和旋转偏移,能够保证群体内的信息被充分利用。最后,为了提高收敛速度,设计偏好搜索机制,它由适应值信息和位置信息所引导,使其具备朝着最优位置收敛的条件。针对螺旋算法的两种改进方式,用23个传统基准函数集和CEC2017的29个测试函数集进行数值实验,并与参考文献中已有的算法比较,证实了两种改进算法的收敛速度和精度都有明显提升。最后将其运用到四项工程设计优化、五项聚类问题和十项特征选择共三类具有代表性的实际应用中,实验结果表明,改进算法在优化领域内具有较强的竞争性。