油品调合过程综合利用炼油过程中产生的各类组分油，按照一定的配方比例混合，调合生产出符合各种汽油标准的成品汽油，是一个直接影响炼油经济效益的关键环节。随着原油价格的日益上涨和环保要求的不断提高，迫切要求企业从有限的资源中挖掘潜力，选择最佳调合配方，充分合理地利用现有组分油，最大限度地提高经济效益，其实质和关键是解决复杂非线性优化问题。微粒群算法是一种新型群体智能算法，作为一种高效并行优化算法，该算法简单且易于实现，可用于解决大量非线性、不可微和多峰值的复杂优化命题。本文针对微粒群算法进行研究分析，结合油品调合过程提出改进型微粒群算法，使之有利于求解油品调合过程中出现的各种复杂非线性优化问题。最后针对汽油调合优化对象采用改进型微粒群算法进行仿真研究。本文的主要研究工作包括：(1)提出了一种含变异算子的两群微粒群算法。通过引入两个粒子群的并行搜索及群间通信机制来保证寻优过程中粒子群体的多样性，提出一种新型变异算子并将引入到两群微粒群算法中以避免算法的早熟。将所提出的改进型算法应用于汽油调合优化问题，仿真实验结果显示了该算法的有效性和适用性。(2)基于仿真实验分析了增惯性权重和减惯性权重策略对微粒群算法寻优性能的影响，并在此基础上提出了两种变惯性权重的微粒群算法，通过仿真实验验证了这两种改进型算法的有效性。最后将这两种改进型算法应用于汽油调合优化问题，与其他算法的寻优结果对比表明所提出的改进型PSO算法可有效解决油品调合优化问题。(3)采用机会约束规划模型描述含不确定参数的汽油调合优化问题，借鉴单调函数可行域映射思想，将约束函数的概率转化为等价的随机变量的概率，利用已知的随机变量概率密度分布函数，将机会约束规划模型转化为非线性优化模型。采用改进型两群微粒群优化算法对该模型仿真寻优，结果显示不仅能实现成品油的质量指标卡边，而且能满足不确定优化问题的概率指标约束。