爬行动物搜索算法（RSA）具有较强的全局探索能力，但开发能力相对薄弱，在迭代后期无法较好地收敛。针对上述问题，综合教与学优化（TLBO）算法、二次插值的天牛须搜索（BAS）算法和透镜成像反向学习策略，提出一种融合多狩猎协调策略的爬行动物搜索算法（MHCS-RSA）。MHCS-RSA保留了RSA包围阶段（全局探索）和狩猎阶段（局部开发）中狩猎合作的位置更新公式，在狩猎阶段，将狩猎协调融合TLBO算法的学习阶段和二次插值的BAS进行位置更新，以增强算法的开发能力和收敛能力；此外，引入透镜成像反向学习策略以增强算法跳出局部最优的能力。在CEC 2020测试函数上的实验结果表明，MHCS-RSA具有良好的寻优能力、收敛能力以及鲁棒性。最后通过对拉力/压力弹簧设计问题和减速器设计问题的求解，进一步验证了MHCS-RSA求解实际问题的有效性。

?鱼优化算法（ROA）的寻优过程包括依附宿主、经验攻击和宿主觅食3种模式，它的探索能力与开发能力较强；但原始算法通过经验攻击切换宿主，导致探索与开发之间平衡较差、收敛较慢且容易陷入局部最优。针对上述问题，提出了一种基于混沌宿主切换机制的改进?鱼优化算法（MROA）。首先，设计一种新的宿主切换机制，以更好地平衡探索和开发的能力；然后，为了使?鱼初始宿主多样化，引入Tent混沌映射进行种群初始化，进一步优化算法的性能；最后，将MROA与原始ROA和爬行动物搜索算法（RSA）等6种算法在CEC2020测试函数上进行对比实验。分析实验结果可知，MROA求得的最优适应度值、平均适应度值和适应度值标准差分别比ROA、RSA、鲸鱼优化算法（WOA）、哈里斯鹰优化（HHO）算法、精子群优化（SSO）算法、正余弦算法（SCA）和乌燕鸥优化算法（STOA）平均提高了28%、33%和12%。基于CEC2020的测试结果表明，MROA具有良好的寻优能力、收敛能力和鲁棒性；同时，通过求解焊接梁设计问题和多片式离合器制动器设计问题，进一步验证了MROA在工程问题中的有效性。