?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。

为提高YYPO-SA1的性能，提出了一种基于动态D向分割和混沌扰动的阴阳对优化算法（NYYPO）。首先，基于牛顿衰减机制来动态调整YYPO-SA1中的D向分割概率；然后，在分割阶段加入混沌扰动策略，NYYPO利用动态调整机制在搜索前期使用较大的D向分割概率，在搜索后期则使用较小的D向分割概率，从而提高了算法的全局搜索能力，同时使用混沌扰动策略丰富了解的多样性，并提高了算法跳出局部最优的能力；最后，将NYYPO应用于风力发电机的参数优化设计问题。选用了15个单峰、多峰和组合测试函数进行性能评估，将NYYPO、YYPO-SA1以及6个代表性的单目标优化算法：粒子群优化（PSO）算法、乌鸦搜索算法（CSA）、灰狼优化算法（GWO）、鲸鱼优化算法（WOA）、花授粉算法（FPA）、麻雀搜索算法（SSA）进行性能评测比较。结果表明NYYPO相较于YYPO-SA1在Sphere函数上有着12个数量级的提升。而在Friedman检验中NYYPO在10维、30维、50维的时候的平均排名分别为2.87、2.0、1.93，均为总排名第一，可见NYYPO在统计学意义上具有显著的性能优势。同时，在风力发电机参数优化设计问题中NYYPO也取得了更好的优化结果。