为提高捕食元胞遗传算法的性能及在基因型上对种群进行区分，提出一种基于线性映射的多物种捕食元胞遗传算法。该算法通过引入映射矩阵，改变种群基因型到表现型的映射关系，使不同物种间所携带的遗传信息不同。在进化过程中，不同物种采用不同的遗传方式进行交叉，并根据种群离散程度自适应调整映射矩阵系数控制种群进化方向，有效提高算法跳出局部最优的能力。对若干低维及高维典型函数进行仿真实验，将文中算法与其它同类算法对比，实验结果表明，文中算法在全局收敛率上具有较明显的优势。
协同过滤中的评分数据稀疏性使得最近邻搜寻不够准确，导致推荐质量较差。基于此，文中提出一种有效的针对稀疏评分的最近邻选择方法——两阶段最近邻选择算法(TPNS)。TPNS分为两个步骤，首先计算用户间的近邻倾向性，选择近邻倾向性较高的用户组成初始近邻集合;然后根据初始近邻集合计算目标用户与其他用户间的等价关系相似性，使用等价关系相似性对目标用户的初始近邻集合进行修正，得到最近邻集合。在MovieLens数据集上对比常用的推荐算法，实验结果表明文中方法在协同过滤推荐的应用中具有更高的准确性。
针对非充分数据集及噪声对聚类分析的干扰，基于模糊C均值(FCM)框架下的聚类技术，即一般化的增强模糊划分聚类算法(GIFP-FCM)，探讨具有迁移学习能力的聚类方法——融入迁移学习机制的GIFP-FCM算法(T-GIFP-FCM)。该算法通过有效利用历史相关场景(域)总结得到的知识来指导当前场景(域)中信息不足时的聚类任务，从而提高聚类效果。通过在模拟数据集及真实数据集上的仿真实验，结果显示文中算法较之传统算法在处理信息不足任务时具有更佳的性能。
为延长无线传感器网络的生命周期，提高节点能量利用率，将分簇算法与睡眠调度算法相结合，提出一种无线传感器网络中带粒子群优化的分簇节点睡眠调度算法。该算法采用二进制编码机制，引入遗传算法的变异和交叉算子，同时考虑网络覆盖保持和能量消耗减少优化目标，构造一个相应的离散粒子群优化方法。仿真实验结果表明，文中算法能较好地减少能耗和保持网络覆盖，有效延长网络的生命周期。
