最优化方法的研究目的是在于，当出现决策问题的时候，能够高效准确地选出最优解，并且为找到相应最优解而产生一系列的计算方法。其模型的核心在于设立初始值，并在特定范围内搜索，通过比较得出最优值。这类模型在工程实际中应用广泛。但是，随着工程实际中越来越多地采用最优化方法来解决问题，传统优化法的简单模型越来越不能满足人们的需求，从而促使学者们在该领域继续深入系统地研究，探索出一些新的智能优化算法，来解决人们遇到的日益复杂的应用问题。这类智能优化算法需要在原模型基础上进行改进，其改进的方式为内部自身改进和外部加强改进，内部改进集中在算法的简化和加强搜索区域的广泛性，外部改进在于引入其他先进算法改进目前算法，或者引入外力使搜索效率更高。本论文首先介绍了一些常见的现代优化算法，详细说明了它们的概念以及计算方法，然后重点研究了其中的一种优化方法——类电磁机制算法，它是在2003年由S.I.Birbil和S.C.FANG两位科学家提出的。　　类电磁机制算法是仿照电磁场中带电粒子之间受到的吸引排斥原理产生的，粒子在吸引力、排斥力的共同作用下，能使粒子朝着合力的方向移动，通过多次的迭代运算得到问题的全局最优解。类电磁机制算法是全局最优值的无约束算法的重要代表之一，有进一步深入研究的意义。本文首先分析了该算法的传统模型，和传统模型对应的计算步骤，以及传统模型在解决复杂问题时表现不佳等问题，然后在此基础上提出了两种改进的类电磁机制算法——基于归一化和自适应移动算子的类电磁机制算法，和加强类电磁机制算法。　　基于归一化和自适应移动算子的类电磁机制算法：首先是对类电磁机制算法搜索策略的改进，引入混沌方法来替换原有的随机线性搜索算法，使得类电磁机制算法避免过早地陷入局部最优，从而能够更加高效准确地找到问题的最佳解。其次引入了一个自适应移动算子，用它在迭代计算中更新现有粒子，并在更新公式中加入影响遗传变异的因子，通过 UCI数据库中的函数验证了改进后的类电磁机制算法的有效性，它可以使得粒子能更精确、更快地朝着全局最优目标值移动。论文也创造性地引入其他算法去改进类电磁机制算法，形成新的加强的类电磁机制算法。其核心在于，引入差分进化算法，并突出其种群个体的合作与竞争模式。同时改进类电磁机制算法的合力部分，给予粒子扰力，使其在指定和忽略区域都有搜索，从而达到最优。把差分进化算法和改进合力后的类电磁机制算法相互融合，突出两者优势，并在混沌系统中的控制和同步两个方面证明，确定了其创造性地达到最优值。　　改进后的算法较传统算法模型和一般的改进算法收敛速度更快，解的精度更高，无论是一般的有界变量的函数，还是一些不可微的、高维度、多峰值甚至是病态的函数，它都有很好的应用效果。同时，为了体现它的工程应用价值，论文选取了类电磁机制算法在模拟电路故障诊断和组合优化线性分类方法中的两个应用实例。在模拟电路故障诊断中，类电磁机制算法优化了神经网络，增强了分类效果，显著地提高了故障诊断的准确率；并且把改进的类电磁机制算法应用在组合优化线性分类中，使得线性分类方法的准确性显著地提高，甚至可以解决一些其它算法无法进行分类的复杂问题。由此充分证明了，作为一种全局优化算法的类电磁机制算法在实际工程应用中的可行性和优越性，具有进一步深入研究的意义。　　类电磁机制算法在实际工程中的应用具有进一步深入研究的价值，后面将继续探索研究该算法的工程应用，或者结合其它混合算法，进一步提高解的精度和收敛速度，为将来解决更广泛更复杂的实际应用问题奠定一定的研究基础。