优化是人们在科学研究、工程技术和经济管理等诸多领域中经常碰到的问题。其目的是找到使目标函数达到最小或最大的条件。已有的许多优化方法在处理人们所面对的复杂问题时，往往很不能令人满意。近年来，一种新的优化方法—粒子群优化算法逐渐成为学者关注的研究方向之一。它的主要特点是简单、收敛速度较快，且所需领域知识较少。 本文利用粒子群优化算法来研究高速旅客列车优化调度、电网规划和电网扩展规划等优化问题。尽管粒子群优化算法发展十多年了，但无论是理论还是实践都尚未成熟。针对粒子群优化算法局部搜索能力较弱和存在早熟收敛等问题，提出了几种改进方法。 首先，为解决粒子群优化算法中参数不易确定的问题，引入微分进化计算来确定算法中的控制参数，给出了混合粒子群优化算法。它运用微分进化算法中的变异、交叉和选择操作来确定粒子的最好位置，以此为依据来给出惯性权重、加速因子等参数的值。 其次，为解决粒子群优化算法易陷入局部极小等问题，将混沌思想引入粒子群优化算法中，构建了混沌粒子群优化算法。它首先运行粒子群优化算法的操作，直到粒子群优化算法处于早熟收敛状态，然后再运行混沌搜索，搜索一定次数后，把混沌搜索的最优解向量作为粒子群优化算法的全局最优解向量，从而引导粒子快速跳出局部最优，加快收敛速度，局部搜索能力加强，在新的最优位置的引导下，粒子群将会做更加精细的局部搜索，从而也提高了粒子群优化算法的精度。 最后，提出将模拟退火方法嵌入粒子群优化算法中，以此构建集成粒子群优化算法。此外，在搜索过程中还加入变异操作来增加种群多样性，以避免种群早熟收敛。其中，局部搜索增加了算法的开发能力，而变异操作提高了算法的探测能力。探测与开发的平衡则通过两个阈值变量来完成。通过适当的调节，发挥各自的优点，即用模拟退火优化算法来提高算法的局部搜索能力，增加变异操作防止算法早熟，来共同提高粒子群优化算法的全局寻优能力。 用上述几种改进方法分别对高速旅客列车优化调度(复线)、电网规划和电网扩展规划这三类优化问题的工程实例进行了研究，并作了仿真试验，均获得了比较好的结果。