鉴于科学研究和实际工程中许多问题的复杂性、约束性、非线性、多局部极小和建模困难等特点，寻找适用于各种不同需求的新型智能优化方法一直是许多学科的一个重要研究方向。群智能优化技术是模仿自然界群体生物行为特征而产生的一类新兴智能优化算法，该算法在没有集中控制且不提供全局模型的前提下，为求解复杂问题的最优解提供了基础。本文在研究群智能优化算法的模型之一——微粒群算法的基本原理和研究现状的基础上，针对基本微粒群算法研究中存在的一些问题，提出了多种改进的微粒群算法，并研究这些改进算法在复杂科学研究和工程问题中的应用策略。本文的研究目的：一方面是探索微粒群算法的改进形式，使之能够有效地解决神经网络训练、复杂多峰函数寻优、多目标优化等理论问题；另一方面是将改进的微粒群算法应用于复杂工业系统的优化控制与决策。本文的主要研究工作包括以下几个方面：1．在分析基本微粒群算法和协同微粒群算法特点的基础上，借鉴生态学中的种群划分思想，设计出一种多种群协同进化微粒群算法，并分析了该算法的收敛性能；在分析径向基函数神经网络结构的基础上，提出了基于多种群协同进化微粒群算法的径向基函数神经网络结构和权值优化设计策略，并在混沌序列预测、系统辨识、语音信号处理等应用仿真实验中验证了算法的有效性。2．将一种“基于密度”的聚类算法与小生境微粒群算法相结合，提出了一种基于聚类的小生境微粒群算法(CBNPSO)，克服了目前存在的算法在多峰函数寻优中存在的缺陷。提出的算法组合了两种方法来实现小生境技术的思想：第一，采用多种群策略实现全局和各子微粒群按不同的PSO算法进化：第二，采用聚类算法区分微粒群中存在的不同子微粒群。3．研究了微粒群算法在聚类分析中的应用。提出了将微粒群算法与山峰聚类思想结合起来寻找聚类中心的方法，克服了传统的C均值或模糊C均值等聚类算法中存在的聚类结果与参数设置密切相关、聚类结果与初始聚类中心的选择以及样本输入顺序密切相关、要求设置的参数较多等缺陷。(1)将变惯性系数的ι-best PSO与山峰聚类法相结合，得到一种基于微粒群优化算法的山峰聚类算法；(2)简化山峰函数的计算，提出了一种基于微粒群算法的快速山峰聚类算法；(3)将小生境微粒群算法山峰聚类的思想结合起来，提出了基于小生境微粒群算法的山峰聚类法，实现了自动获取多维未知样本数据的聚类中心个数和位置。4．在研究应用微粒群算法实现多目标优化的关键技术的基础上，提出了一种随机多目标微粒群算法(SMOPSO)，并应用齐次马尔科夫链理论对SMOPSO的收敛性进行了分析。仿真实验表明，该算法不仅计算简单，而且能够获得较多的分布比较均匀的非劣解。5．以某冶炼厂锌电解分时供电调度系统为对象，在已有文献研究的基础上，建立了锌电解生产过程分时供电优化调度系统的多目标优化数学模型，应用整数空间的随机多目标PSO算法实现锌电解过程分时供电的优化调度，克服了采用单目标模拟退火算法进行优化调度时存在惩罚因子选取的先验知识不足、搜索效率较低等缺点。锌电解过程分时供电优化调度系统不仅有效缓解了城市用电矛盾，而且为企业带来了巨大的经济效益。6．在研究锌电解整流供电系统控制特点的基础上，建立了基于整流效率的锌电解生产整流供电系统优化控制数学模型，并针对该模型设计出一种递阶多目标微粒群算法，用于整流所直流电力经济运行的优化决策，在保证电解过程分时供电调度措施要求的输出电流稳流精度情况下，以提高整流效率为中心，优化并联运行多台机组的投运组合和电流分配，达到有效提高整流所整流效率、节约能源的目的，为有色金属电解生产的节能降耗提供了一种新的思路和方法。7．开发了锌电解整流供电智能优化与监控系统，实现了锌电解整流供电系统的遥测、遥信、遥控、遥调等“四遥”功能，达到无人值班、优化运行和稳流控制的目的，进一步提高了有色金属生产的自动化和智能化水平。最后总结了整个论文研究工作的成果，并展望了微粒群算法需要进一步研究的方向及其在复杂工业系统优化控制中的应用研究。