全局优化问题一直以来都是工程、金融、航天等科学领域的热点问题,同时也是其他学科研究和应用的基础。随着全局优化问题在各个领域的广泛应用,众多专家学者不断地对全局优化问题的方法进行深入的探索和研究,使得全局优化方法不断的发展和完善,尤其是智能优化算法中的禁忌搜索算法、遗传算法、神经网络算法、蚁群算法等在不断地改进中达到较好的算法表现。然而,随着全局优化问题规模越来越大、复杂度越来越高,对优化技术的要求也不断增高,尤其是面对目标函数带有多极值的全局优化问题,利用经典的智能优化算法进行求解,在不同程度上存在着缺点,因此探求新的求解全局优化问题的智能算法成为重要的研究方向。本文在分析人类视觉智能原理基础之上,基于文献36给出的一种基于视觉认知的全局优化算法进行了改进和完善,提出求解全局优化问题的更为完善的眺望算法。该算法本质上是模仿人类在视觉上能够智能的对事物高低进行判断、比较和记忆的特性进行的设计。算法通过眺望管理机制、眺望点的产生策略和选取准则、局部寻优问题的构造来对全局优化问题进行求解,并通过基点、眺望点、局部寻优过程的三层记忆机制提高算法收敛速度,减少算法耗时。在与遗传算法进行的大量对比测验表明,眺望算法具有较高的收敛率,参数选择相对简单、对初始点没有依赖,在很大程度上能够避免陷入局部最优,具有良好的算法表现,为求解全局优化问题开辟了新的途径。为了进一步提升眺望算法的性能,克服不理想的初始基点给眺望算法带来的困难,本文尝试将眺望算法与智能遗传算法进行混合,利用智能遗传技术改进眺望算法,从而形成一种新的混合算法—智能遗传眺望算法。针对算法的收敛速度和收敛率与眺望算法、禁忌搜索算法和改进的模拟退火算法进行对比分析,结果表明基于智能遗传技术的眺望算法收敛率优于其它对比算法,在收敛速度上较原始的眺望算法更为理想。