多层平板药物控释体系可以通过调控其内部的参数从而控制药物的释放行为,并因其结构简单和对药物释放的安全性而被现代医药界广泛应用。因此,该控释体系中参数优化问题就成为了现代研究学者的重要研究方向之一。因此,本文将通过正则化求解反问题的思想以及智能优化方法布谷鸟搜索算法正向搜索的思想对控释体系中的参数进行优化,以达到预期的目标释放行为。针对多层平板药物控释体系中药物释放的机制,本文建立了变系数扩散方程,以模拟药物的释放行为。由于大多数变系数扩散方程无法求得解析解,因此,通过研究本文提出了一种高阶紧致差分格式以求解变系数扩散方程,并通过数值算例和理论研究证明了该差分格式的有效性和收敛阶。利用高阶紧致差分格式提出了一种将变系数扩散方程中药物初始浓度分布优化问题转化为反问题的方法。之后,分别针对恒速释放、线性降低释放、非线性释放,三种目标释放行为,本文运用基于变分原理的正则化方法对药物初始浓度进行求解,最终使得药物控释体系中的恒速释放,线性降低释放,非线性释放得到了基本实现。因此,本文提出的转化反问题的方法以及正则化方法可以有效地优化控释体系中的药物初始浓度。利用反问题的求解思路只能够优化控释体系中药物初始浓度这一个参数,为了能够优化控释体系中药物初始浓度、扩散系数等可控参数,本文基于布谷鸟搜索算法简单易行,全局搜索能力等特点提出了一种正则化布谷鸟搜索算法,并分别针对优化药物初始浓度,扩散系数,同时优化药物初始浓度和扩散系数建立了三种求解目标函数。对于建立的三种目标函数,本文运用提出的正则化布谷鸟搜索算法正向搜索的思想,分别针对恒速释放、线性降低释放、非线性释放,三种目标释放行为优化了药物初始浓度,扩散系数,以及药物初始浓度和扩散系数。在不失一般的情况下,发现由于协同的作用使得同时优化多个参数要比优化一个参数产生的效果更好。并在优化参数过程中,为了得到更好的药物控释体系,本文通过动态规划的方法解决了模型层数选择的问题。最终,运用得到的最优模型基本实现了药物的目标释放行为。