仿生算法是优化算法领域中出现的一类比较新型的智能算法，一般具有不确定性，潜在的并行性，进化性等特点，是一种概率型的全局最优搜索方法，它能高效且有效地完成某些优化和控制的复杂任务。遗传算法和蚁群优化算法是两种比较流行和成熟的仿生算法，其中，遗传算法以达尔文进化论的自然选择和遗传学中遗传变异机理作为算法的理论基础，蚁群算法则是以蚂蚁在觅食过程中选择路径的行为作为灵感而提出的一种仿生算法。本文详细分析了遗传算法、蚁群算法的基本原理、算法流程和算法特点，借鉴其共性，对自然界中普遍存在的植物体——树木，通过对其生长机理、生长过程、形态结构进行分析，抽象，并在此基础之上提炼出树生长的形态优化思想，进而提出一种新的仿生算法：生长树算法。植物体生长所表现出来的外在形态，并不是完全取决于植物体的基因，还必须考虑外界自然环境因素的影响。在光照、水分、风力等外界条件的作用之下，植物具有的向性运动特性，将使得植物的生长整体朝向有利的方向。光照是影响植物生长的最重要环境因素之一，树木的枝叶在生长过程中，枝叶的趋光性促使枝叶不断向上向外生长，树木的层次结构也决定了枝叶的向光生长是逐层地生长发散开来，新生的枝叶在原来枝叶的基础上不断生长出来，而枝叶会寻求占据相对更有利的空间位置，朝向能获取更多光照的位置方向，部分枝叶会因为其它枝叶的遮挡，缺少阳光竞争生长能力不够而逐渐凋落死亡，因此，树木的生长过程体现了寻优的原则，本文提出的生长树算法就是基于这一优化生长过程而建立。生长树算法将问题的搜索空间当成植物生长的环境，问题的解表示成不断生长的叶枝节点，借鉴蚁群算法中的信息素浓度机制，提出“光素浓度”来衡量光照对叶枝节点的作用，在生长树向光生长过程中，不断生长不断分枝产生新的叶枝节点，叶枝节点不断探寻周围环境的光素浓度与外部环境进行信息交流，同时叶枝节点之间存在生长竞争关系，算法不断对叶枝节点个体进行评价、选择，随着生长树分枝层次的深入，逐步确定叶枝节点字符串不同位置的编码，从而求得问题目标解对应的字符串编码。为验证算法的有效性，将生长树算法应用于几个连续单峰函数与多峰函数的寻优实验，验证了本文提出的生长树算法是可行的，通过与标准遗传算法的实验结果对比，在一定精度允许误差范围之内，算法的求解结果与标准遗传算法的结果保持一致，表明生长树的寻优能够达到求解的精度要求，并且算法具有迭代次数更少寻优速度快的特点，生长树算法在连续函数寻优应用中具备的良好性能。