多模态优化是近些年兴起的一门新学科,目前在科研和工程实践的应用需求日显突出。对航空航天、网络通信、生命科学等诸多实际问题进行数学建模后,都可以将其抽象为一个数值函数的优化问题,而在大量的实际优化问题的求解计算中,由于生产实践中种种客观条件的限制,有些全局最优解在实际中往往并不适用,因此不仅要在可行域内寻找全局最优解,而且需要搜索有意义的局部最优解,这种技术就是多模态优化算法。针对目前多模态优化存在无法找到全部局部极值解的问题,本文提出了一种基于拥挤模型的差分进化算法用于多模态优化,利用差分进化算法的全局搜索策略和内在的并行方式,通过拥挤模型的高群集因子搜索,避免了取代错误,保持了物种的多样性,可准确定位多模态函数的最优解和全部极值解。同时,该算法具有参数少、操作算子简单、收敛速度快等特点。实验结果表明,本文提出的拥挤差分进化算法处理多模态优化问题时在收敛速度、收敛精度上皆明显优于目前处理多模态优化问题效果最好的拥挤遗传算法。在MIMO-OFDM系统中,根据信道状况自适应地分配天线与子载波是使信道容量达到最大的关键技术。本文将拥挤差分进化算法用于解决天线和子载波联合分配问题,利用该算法参数少、寻优能力强、收敛速度快的特点,可快速确定最佳的天线和子载波联合分配方案,实现信道容量最大。认知无线电系统中,对检测出来的频谱进行分配是使频谱效益实现最大的关键过程。本文将拥挤差分进化算法应用到动态频谱分配,可快速确定能够实现频谱效益最大的分配方案。