基于经验学习的优化算法（EBL）是作者本人新近提出的一种群智能优化算法,它是基于种群内部不同个体之间的信息进行相互学习行为的而设计的随机优化算法。该算法的优点是结构简单、没有需要调节的参数,然而,EBL算法作为一种随机搜索的群智能算法,难以避免此类方法所具有的缺陷和通病,比如,算法在运行的初期容易陷于局部最优解,导致过早收敛,从而得到错误的求解结果,并且,在将算法应用到不同的工程优化问题时,原始的EBL算法未必适用,需要根据实际情况对算法进行改进。本文在分析EBL算法研究现状的基础上,从各种实际工程的角度提出不同的改进,并将改进后的算法应用到各类工程优化问题中,本文完成的主要研究工作和结论总结如下:（1）针对复合材料层合板分层损伤问题,提出了一种基于不同建模方式的分层检测的二步法。在二步法中的第一步,采用一维等效梁单元对复合材料层合梁进行建模,并用EBL算法预测结构中潜在的分层损伤位置;在二步法中的第二步,使用典型的三维实体单元对复合材料梁进行建模,并用EBL算法检测具体的分层损伤情况,包括分层位置、分层的尺寸大小和分层的界面层数。二步法结合了两种不同建模方式的优点,能够在不牺牲检测精度的情况下显著降低计算成本。为了验证提出的二步法的有效性和鲁棒性,对具有不同分层情况的八层准各向同性对称复合材料梁进行分层损伤识别,将识别结果与一步法和基于云模型改进的果蝇算法（CMFOA）、粒子群算法（PSO）和松鼠算法（SSA）等其他三种群智能算法进行比较,并研究了噪声对检测精度的影响。数值和实验结果都表明所提出的二步法在复合材料层合板中检测分层中的优越性。（2）针对功能梯度材料的损伤识别问题,提出了一种基于稀疏正则化的目标函数,并利用EBL算法对功能梯度材料进行损伤识别。所提出的新的目标函数能够提高寻优搜索的准确性和鲁棒性,从而获得更好的损伤识别性能。用聚甲基丙烯酸甲酯（PMMA）聚合物材料制作了具有不同损伤情况功能梯度梁试件,对梁试件进行损伤识别以验证所提出新的目标函数的有效性和鲁棒性,将识别结果与使用传统目标函数进行比较,此外,还研究了噪声对识别性能的影响。功能梯度梁试样的数值和实验结果表明基于稀疏正则化的目标函数在功能梯度材料损伤识别中的优越性。（3）针对堆石坝施工阶段的土壤参数识别问题,提出了一种基于准对立学习概念的EBL算法（OEBL）,改进的算法继承了原始的EBL算法的优点,如无需设置参数、结构简单、收敛速度快等。为了提高算法的探索能力,引入了准对立学习原则,使用OEBL算法对猴子岩面板堆石坝的土壤参数进行了识别,以验证所提出的算法的性能。识别结果表明,用OEBL算法识别的参数计算得到的堆石坝沉降值与现场实测值非常吻合,施工各阶段的土壤参数差异很大,并且受现场施工速度的影响。将识别结果与原始的EBL算法、PSO算法、CMFOA算法和SSA算法进行比较,比较的结果表明OEBL算法在大坝施工期间土壤参数识别的准确度上具有良好的性能。（4）针对土层的力学参数识别问题,同样用基于准对立学习原则改进的OEBL算法进行识别,以再次验证算法在土层参数识别上的性能。基于土体耗散曲线表征,用OEBL算法识别得到土层的力学参数,通过表面波和折射P波表征测定预测铁路诱发振动的动态土壤特性,识别结果表明OEBL算法在土层的力学参数识别问题上具有良好的性能。（5）针对混凝土填充墙非线性模型滞回参数识别问题,提出了一种改进更新模式的EBL算法（MEBL）,新的更新模式利用更多个体的经验信息,提高算法的全局寻优能力。对Bouc-Wen模型和Bouc–Wen–Baber–Noori（BWBN）模型的单自由度系统进行数值模拟,研究MEBL算法的有效性和鲁棒性,并对四个预制混凝土填充墙进行了室内试验,用BWBN模型描述填充墙的滞回行为,用MEBL算法对BWBN模型进行参数识别,将识别的结果与原始EBL算法、CMFOA算法、Jaya算法、PSO算法和SSA算法比较,数值和实验室结果均表明,提出的MEBL算法能够成功识别出BWBN模型的非线性滞回参数,并且,所提出的MEBL算法比其他算法更优越。（6）针对盾构隧道节点非线性模型参数识别问题,提出了一种结合准对立概念和新的更新模式的EBL算法（IEBL）,改进的算法既参考了准对立原则的优点,又利用了种群中更多个体的经验信息,使得算法的全局寻优能力得以增强。以广州地铁七号线的盾构隧道为原型,设计了三个缩尺模型试件进行低周往复荷载试验,用非对称Bouc-Wen模型描述盾构隧道模型节点的滞回行为,并用提出的IEBL算法对模型进行参数识别,将识别的结果与原始EBL算法、CMFOA算法、Jaya算法、PSO算法和SSA算法比较,识别结果表明IEBL算法能够成功识别出非对称Bouc-Wen模型的非线性滞回参数,并且,识别效果比其他算法更优秀。