正弦余弦算法是一种基于三角函数模型解决全局最优值问题的元启发式算法,该算法具有结构简单、参数少、易于理解等优点。但是也存在收敛速度慢、易陷入局部最优等不足,所以本文对正弦余弦算法的结构以及参数进行研究与分析,对其存在的不足做了一些改进,并对其应用领域进行了一定地拓展。本文的研究内容包括:(1)提出一种基于四元数编码的正弦余弦算法。通过将四元数编码方式引入到基本正弦余弦算法中,使每个个体都由4个变量来表达,从而增加个体的搜索信息量及种群的多样性,进一步提高算法的寻优能力和稳定性。选用19个标准测试函数对改进算法进行仿真实验。结果表明,该算法具有较好的全局优化能力。(2)设计了一种基于行为评价的自适应正弦余弦算法。该算法在种群个体更新时采用人工鱼群算法中的行为评价机制,让正弦和余弦更新公式能自主转换地更新个体,以此加速算法对全局最优值的搜索。利用23个经典的标准优化测试函数和一个工程实例对提出的算法进行实验测试,与5种元启发式算法的仿真实验结果对比,表明自适应正弦余弦算法在收敛精度、收敛速度和算法稳定性方面都有较大的优势。(3)针对传统模式匹配问题中计算量大且复杂度高等缺陷,采用了视觉系统中的侧抑制机制对图像进行预处理,提出了一种基于侧抑制机制的自适应正弦余弦算法,并将其用于模式匹配问题。实验结果表明该算法能更加快速、精确地找到目标模板。