在工程科学中,很多问题都转化为最优化问题进行求解.在群智能优化算法中,粒子群优化算法和鸡群优化算法由于其优点较多而被用于求解大量的工程科学问题.粒子群优化和鸡群优化算法虽然有其优点,但仍然存在缺点.通过上述分析对粒子群优化算法和鸡群优化算法的性能从以下角度进行研究.1.论文对基本的粒子群优化算法和鸡群优化算法进行描述,并分析了其特点.将粒子群优化算法、鸡群优化算法和磷虾群优化算法进行比较,且对粒子群优化算法和鸡群优化算法的优缺点进行分析.然后,提出了几种粒子群优化算法和鸡群优化算法的改进策略.2.由于粒子群优化算法收敛速度过快,使得算法迭代后期多样性不足,而常常陷入局部最优解,使算法的搜索停滞不前,于是对基本的PSO算法提出几种策略.(1)提出了一种带有牛顿方向的自适应扰动改进粒子群优化算法.该算法是基于随机扰动的粒子群优化算法,将牛顿下降方向和随机扰动相结合,利用随机扰动使陷入局部最优的粒子跳出局部陷阱,牛顿方向引导当前最好粒子快速寻优.(2提出了带有克隆加速策略的粒子群优化算法.该算法利用粒子群优化算法进行全局寻优,克隆策略扩大全局寻优范围,局部优化算法加速收敛.(3)引入模糊推理改进速度和位置更新公式以增强粒子全局搜索能力,再将中心粒子与交叉算法引入本文,以增强粒子间的信息共享,从而增加了局部搜索能力.最后用Logistic映射对粒子进行扰动.(4)针对粒子群优化算法的模型进行分析,建立马尔科夫链模型,分析此马尔科夫链的一些性质,证明粒子群状态序列是有限齐次的马尔科夫链.并且根据随机算法的收敛准则,证明了该算法系统的全局收敛性.3.鸡群优化算法在收敛过程中,小鸡跟随母鸡时常常会陷入局部最优解,并且对于高维复杂问题,往往收敛精度不够.针对以上两个不足,本文提出几种改进策略.(1)利用模糊推理改进鸡群优化算法母鸡和小鸡的更新公式,并自适应地调节参数.再用Tent扰动增强后期的多样性.(2)提出了改进的鸡群优化算法.顶层由个体最优点构成,而底层由所有粒子构成,将顶层的粒子分给各个子群。粒子有两种不同控制参数和两个不同控制差分变异算法。(3)CSO算法由于其较低的全局搜索效率,可能会陷入局部解.ABC算法缺乏强有力局部搜索能力使得收敛速度较慢.于是,结合CSO的局部搜索阶段和ABC的全局搜索阶段提出CS-ABC算法.(4)在鸡群优化算法中,简化了公鸡、母鸡和小鸡的迭代公式,分析了迭代公式的特性,对鸡群优化算法进行了收敛性分析,并矫正了算法中参数的取值范围.(5)有限信息引入小鸡的迭代公式,使得小鸡能够向周围的鸡群学习,从而将更多的有用信息传递给小鸡,使得小鸡能更好的寻找食物.再利用混沌映射对鸡群优化算法进行扰动,保证了算法后期的多样性.(6)在鸡群中母鸡的更新公式第二项为母鸡所在鸡群中的公鸡与母鸡个体的差,第三项为公鸡母鸡群中的随机个体与母鸡个体的差,如此的减法机制,使得算法在迭代过程中陷入早熟或者停滞不前.本文提出一种正态更新机制的鸡群优化算法克服了这个问题.4.在多目标粒子群优化算法中,为了引导粒子向pareto前端收敛并且保持多样性.首先将非劣解集中的点映射到平行格坐标系统中,引入pareto熵和差熵对粒子的现状进行评估,利用评估结果对算法参数进行改进,再利用克隆免疫操作对外部档案进行维护,并利用混沌映射对算法进行扰动.数值试验证明算法具有良好的收敛精度和多样性.5.对鸡群优化算法的公鸡更新公式进行改进,将鸡群优化算法从单目标算法拓展到多目标算法.并用非支配领域对算法进行改进.数值试验证明,多目标鸡群算法比多目标粒子群算法有更好的收敛精度和多样性.6.在社会日益繁华的今天,电力系统的需求越来越大并且越来越复杂,此时人们都需要一个安全、可靠、经济、优质和低碳的电能供应系统.在这些指标日益增加的情况下,将多目标粒子群优化算法应用于配电网中.本文提出一种既廉价又环保的模型,并用非支配邻近的粒子群优化算法求解.然后将改进的多目标鸡群优化算法应用于电动汽车的充放电应用中,建立各自的数学模型,利用罚函数将约束优化模型变为无约束优化模型,再利用改进的算法进行求解.