为解决血液供应链网络设计中的不确定性问题，建立了一种血液供应链网络多目标鲁棒优化设计模型。首先，针对带有5个节点的血液供应链网络，建立考虑安全库存的、目标为成本最小、存储时间最短的优化函数，并采用 ε约束、Pareto最优和鲁棒优化方法对已建模型进行处理，将多目标问题转化为单目标鲁棒问题；其次，对原有鲸鱼优化算法（WOA）进行改进，引入差分算法的交叉和变异理念，增强了搜索能力并改善了局限性，从而得到差分鲸鱼优化算法（DWOA），并采用此算法对处理后的模型求解。通过数值实例，验证当测试问题相同时，优化模型在需求短缺方面比确定模型的短缺量平均少76%。因此，所提优化模型在应对需求短缺时更具优势；通过仿真对比分析图像，得出DWOA相比WOA、粒子群优化（PSO）算法和遗传算法（GA）中断时间更短并且成本更低。

针对传统的细菌觅食算法在优化过程中存在的趋化步长的不确定性及消除-扩散概率的恒定性不足的问题，提出一种基于非均匀消除-扩散概率的情绪化细菌觅食算法，以解决高维度工程优化问题。首先，在趋化步骤中利用古斯分布搜索机制对细菌个体位置进行更新，以解决细菌因以随机方式在每个维度上游动或翻转而导致的搜索能力差及易陷入局部最优的问题，引入情绪感知因子，利用情绪智能的突变来实现自适应趋化步长，从而避免算法过早收敛；其次，针对细菌个体在消除-扩散过程中概率的恒定性，提出利用线性和非线性概率分布代替传统的常数分布以此实现非均匀分布的构想，通过引入动力因子随机值，限制未定义的搜索空间中的细菌个体，从而节省算法的计算成本。通过六个基准测试函数进行测试，测试结果表明，在计算成本较低的情况下，除针对Rosenbrock函数外，所提算法针对所有函数均具有较低的迭代次数及良好的优化质量，且算法收敛性对比结果表明所提的算法具有较好的收敛性。