众所周知,发电厂中的发电机每年消耗大量的化石能源,其中以煤、石油以及天然气为主。然而随着近年以来我国的煤炭质量与储备量的下降,我国的火力发电厂的煤耗量呈现逐年上升的趋势,因此,研究如何减少发电煤炭的消耗是一个非常艰巨且重要的科学课题。在发电厂中,机组组合问题(UCP)是能显著优化燃料消耗量的重要课题,选择最优发电机组,合理编排发电机组启动顺序可以显著地降低燃料消耗水平,因此,近年来提出了许多解决机组组合问题的优化算法。然而,现今的优化算法在解决机组组合问题的时候都存在容易陷入局部最小值的问题,并且由于算法本身结构的限制,它们往往会消耗掉大量的计算资源,最终得到的计算结果也并不能让人满意。并且,在相应的经济负荷分配问题(ELD)上,以往的算法并没有进行单独分析,这也导致了算法的计算效率下降,计算时间成本大幅上升,最终燃料消耗量仍然居高不下。为了解决上述问题,本论文对机组组合问题以及元启发式算法进行深入研究并提出了新的优化算法,这种算法将机组组合问题拆分成上下两层问题,并对每一层进行单独的分析和优化。在下层问题中,算法使用一个简单的凸优化方法对降低维度后的经济负荷分配问题进行了求解,这种方法显著降低了算法的时间复杂度以及空间复杂度,并为上层问题提供了每个计算个体的适应度。在上层问题中,算法着重于解决二进制机组组合问题,使用了基于精英策略的改进粒子群算法以及模拟退火算法进行发电机启停时间表的解空间搜索,借助算法的优异搜索速度以及跳出局部最优空间的性能,我们获得的机组组合问题的解的多样性显著高于其他算法,因此可以得到更加优异且高效的解,最终可以将燃料耗量显著降低。除此之外,为了使算法的结果具有可行性,满足机组组合问题的多种约束条件,算法中也对每种约束条件设计了独特的满足方法,这些方法可以在不显著改变算法复杂度的情况下,使解的质量大幅提高。论文也设计了相应的实验验证算法的最终结果,实验结果表明,与其他典型的解决UCP的算法相比,论文中所提出的算法具有更强的搜索能力,最终结果大幅的领先了其他算法。与此同时,为了验证论文设计的算法中的每个组成部分对算法整体性能的影响,我们也做了相应的消融实验并进行了详细的分析,阐明了计算结果产生了改进的原因,为后续的机组组合问题的研究提供了新思路。