针对现有医学图像配准算法精度较差、易陷入局部极值和收敛速度慢的问题，结合多分辨率分析，提出改进头脑风暴优化（MBSO）算法与Powell算法结合的图像配准算法。MBSO算法通过改变个体生成方式调节参与局部和全局搜索的个体比例，应用可变步长加强搜索能力，达到跳出局部最优和加速收敛的目的。首先，在低分辨率层利用MBSO算法进行全局搜索；然后，将搜索结果作为Powell算法的初始点在高分辨率层进一步搜索；最后，在原始图像层利用Powell算法搜索并定位全局最优值。与粒子群优化（PSO）算法、蚁群优化（ACO）算法、遗传算法（GA）与Powell算法结合算法相比，所提算法平均均方根误差分别减小了20.89%、30.46%和18.54%，平均配准时间分别缩短了17.86%、27.05%和26.60%，并且达到了100%的成功率。实验结果表明，所提算法具有很强的鲁棒性，能够快速、准确完成医学图像配准任务。

针对现有室内湍流环境下多机器人气味源搜索算法存在历史浓度信息利用率不高、缺少调节全局与局部搜索的机制等问题，提出头脑风暴优化（BSO）算法与逆风搜索结合的多机器人协同搜索算法。首先，将机器人已搜索位置初始化为个体，以机器人位置为中心聚类，有效利用了历史信息的指引作用；然后，将逆风搜索作为个体变异操作，动态调节选中一个类中个体或两个类中个体融合生成新个体的数量，有效调节了全局和局部搜索方式；最后，根据浓度和持久性两个指标对气味源进行确认。在有障碍和无障碍两个环境中将所提算法与三种群体智能多机器人气味源定位算法进行定位对比仿真实验，实验结果表明，所提算法的平均搜索时间减少33%以上，且定位准确率达到100%。该算法能够有效调节机器人全局和局部搜索关系，快速准确定位气味源。