在解决复杂的实际优化问题时,经常会遇到具有多个极值的函数优化问题,这类问题被称为多峰函数的优化问题。由于其在实际优化问题中有着重要的应用价值,因而一直受到众多研究者的关注。以往求解多峰优化问题的方法,包括经典的数值方法,广泛应用的全局搜索算法,以及基于小生境技术的遗传算法等等。但是,对这些方法搜索性能的评价,主要集中在“能搜索到多少个全局最优解”的问题上。也就是说,这些方法只能用来解决寻找全局最优峰值点问题,却无法解决局部峰值点的搜索问题。为了能够在实际应用中更好地掌握函数的全部信息,本文对多峰函数的全面寻优问题进行了研究。论文中将该问题称为多峰函数多解问题,这里多解是指多峰函数所有的全局最优解和局部最优解,主要研究工作如下。1、以N.Hasen提出的CMA-ES算法为研究出发点,分析了该算法在求解多峰函数多解问题上的可行性,并进行了实验验证,根据分析数据和实验统计结果发现,该搜索算法最终搜索到的峰值与初始点有关,即满足就近收敛的原则。在此基础上,可以知道,如果初始点分布合理,那么就可以找到函数的全部峰,包括全局最优峰和局部最优峰2、在上述分析方法可行的基础上,提出了求解多峰函数多解问题的K-CMA算法。该算法通过对初始样本点的聚类,得到问题的初始搜索点,从这些点出发运用CMA-ES算法进行最优值搜索,找出它们各自邻近的最优峰,搜索结束后对搜索结果进行分析比较,动态地调整聚类规模,经过再聚类、再搜索的迭代过程,最终找出多峰函数的全局峰值点和多个局部峰值点。该算法解决了对多峰函数可行域的划分问题,通过设定搜索规模的调整因子,使得算法既保证了对不同高度的峰值点的充分搜索,又尽量避免了对同一峰值点的重复搜索。3、通过对等高、有规律不等高、无规律不等高三种不同类型的复杂多峰函数的求解,可以看到K-CMA算法能够搜索到可行域内的全局最优解和若干局部最优解,而且收敛速度快。同时,在与其它相关搜索算法的比较测试中,K-CMA算法表现出较强的搜索能力,搜索性能优于对比算法。