优化技术是以数学为基础的计算机应用技术,用来求解各种工程问题的最优解或满意解。随着现代经济迅速发展,优化计算越来越受到社会的关注,已经成为相关部门亟待解决的问题。受人类创造性解决问题过程—头脑风暴会议的启发,2011年史玉回老师在第二次群体智能国际会议(The Second International Conference on Swarm Intelligence(ICSI11))中提出一种新的群智能优化算法—头脑风暴优化算法,算法采用聚类思想搜索局部最优,通过局部最优的比较得到全局最优;采用变异思想增加了算法的多样性,避免算法陷入局部最优,在这聚与散相辅相承的过程中搜索最优解,思想新颖,适合于解决多峰高维函数问题。而不同的聚类和变异方法对算法会产生不同的影响,为了进一步研究算法及其性能,论文主要完成以下几个方面的工作:　　首先,通过对头脑风暴优化算法参数的分析,明确了各个参数对算法性能的影响,通过减少算法的参数,降低了算法的复杂性,并且根据参数在不同迭代阶段对算法的影响,使各个参数在算法寻优过程中呈线性变化,从而提高了算法的收敛效果。通过标准测试函数对算法的有效性进行了验证;　　其次,算法模仿了人类“头脑风暴”会议解决问题的过程,通过聚类方法将信息量分类,每个类中的聚类中心代表了局部最优解,经过向聚类中心学习从而搜索局部最优,向类中信息量的学习增加解的多样性,向两个信息量学习来跳出局部最优,通过对各个聚类方法优缺点的分析,本文采用了OPTICS聚类方法来实现算法的这一功能。通过对文献中的标准测试函数仿真,结果表明,算法具有更好的收敛效果;　　再次,算法模仿了人类“头脑风暴”会议解决问题的过程,采用对信息量变异实现学习并产生新的信息量的过程,通过对多种常用变异方法优缺点分析,本文采用云模型中的X条件云发生器实现变异操作。理论分析结果表明算法的收敛性和高效性,通过对多个基准测试函数的仿真结果表明,该算法对于求解多峰函数优化问题具有很好的性能;　　最后,将头脑风暴优化算法及其改进算法用于电力系统经济调度问题中,通过对文献中3机组6母线电力系统经济调度问题进行仿真,并将仿真结果与文献结果的比较,比较结果表明本文提出的改进算法对求解实际电力系统经济调度问题具有有效性和可行性。