很多科学计算和工程优化问题总是存在着多个最优解,这类问题可以被称为多峰优化问题,在解决这类多峰优化问题时决策者往往需要优化算法能够提供尽可能多的最优解。近年来,进化算法开始被广泛应用于多峰优化问题的求解中,其中多种群策略是进化算法在多峰优化领域中所采用的一种有效策略。本文采纳系统工程的理论与方法,通过对现有多种群策略在不同多峰优化环境中的实验研究,分析它们的优劣点,进而提出更为有效的多种群策略,以改善进化算法在多峰优化问题中的性能。具体的研究内容包括:1)对相关研究工作进行概述。对求解静态多峰优化问题和动态多峰优化问题的进化算法的研究现状分别进行综述,此外还对粒子群优化算法进行简单介绍。2)对求解静态多峰优化问题的进化算法进行研究。以两个经典多种群进化算法—SPSO和CPSO为对象,通过一系列仿真实验分析这两种算法所采用的多种群构造策略(Species机制和Cluster机制)在求解静态多峰优化问题时的优势和缺点;进而通过结合Species机制和Cluster机制的特点,提出一种更为有效的多种群构造策略,并通过仿真实验对所提出的新型多峰优化算法的有效性进行检验。3)对求解动态多峰优化问题的进化算法进行研究。以三个经典的动态优化算法—QSO、SPSO和SAMO为对象,通过一系列仿真实验分析种群数量对动态优化算法求解动态多峰优化问题的影响程度;进而提出一种鲁棒的自适应多种群策略,并通过仿真实验检验所提出的改进算法求解动态多峰优化问题的性能。