神经网络作为一种具有高度并行处理能力的网络结构,在解决工程问题方面已发挥重要作用,但将其与种群进化结合的研究较为罕见。为此,在探讨果蝇视觉系统的信息处理机制基础上,研究改进型前馈果蝇视觉神经网络,并将其与梯度下降法及种群进化思想结合,研究求解最优化问题的果蝇视觉神经网络优化算法。研究工作不仅有助于获得介于计算机视觉与智能优化之间的交叉性研究成果,而且能为最优化问题的解决提供并行处理方案。主要工作和取得的成果概括如下:1.针对有界约束连续可微函数优化问题,借助候选解构建状态矩阵,并将状态的目标函数值视为灰度值,得到灰度图。进而,基于果蝇的视觉神经生理学理论,建立改进型果蝇视觉神经网络模型。将此神经网络的输出作为学习率,利用梯度下降法引导状态更新,获得果蝇视觉神经网络优化算法。计算复杂度分析表明,该算法的计算复杂度主要由神经网络的输入大小及优化问题的维度决定。数值实验分析表明,此算法的搜索效果较为稳定,获得的解的质量相对较好。2.针对以上算法的求解性能需较大提高的问题,探讨结构简单、可调参数少的改进型果蝇视觉神经网络,以及借助粒子群的平均位置设计改进型粒子更新策略。继后,在神经网络的输出作为学习率的引导下,状态矩阵依据粒子更新策略进行转移,由此获得基于粒子群优化的果蝇视觉神经网络优化算法。比较性的数值实验显示,该算法获得的解质量高,搜索效果稳定。3.针对约束函数优化问题,通过改进和简化已有果蝇视觉神经网络的结构,建立具有多输出功能的改进型果蝇视觉神经网络;随后,利用萤火虫优化算法的萤火虫位置更新策略与粒子群优化的粒子更新策略,设计具有多策略个体更新特性的状态更新策略。进而,在神经网络的多个输出引导下,状态矩阵依据更新策略实施转移,获得改进型果蝇视觉神经网络优化算法。比较性的数值实验显示,该算法在求解质量和搜索效果的稳定性方面有较大优势。