针对粒子群优化算法（PSO）容易出现早熟收敛的问题，提出一种改进的粒子群优化算法（IMPSO）。该算法通过引入粒子群聚合度和变异的思想，能很好避免早熟，提高粒子全局搜索能力。将此改进的粒子群优化算法用于PID控制器的参数整定，具有操作简单，寻优快速等优点。

综合考虑我国应急管理实践、应急响应时间限制以及应急物资分配中的公平要求, 在三级应急物资运输网 络的基础上, 建立了以系统损失最小为目标的应急物资运输和分配决策模型. 针对模型的整数非线性规划的特点, 提 出了改进粒子群(PSO) 算法, 通过在不同维度上确定不同学习对象, 加强了粒子的空间搜索能力. 数值算例验证了模 型和算法的有效性.

针对配电网多目标无功优化的应用需求以及优化算法存在的收敛性和多样性问题，基于Pareto熵的多目标粒子群优化算法，提出一种应用于多目标无功优化的改进粒子群优化算法。该算法在全局外部档案更新过程中引入冗余集策略，避免迭代过程中陷入局部最优解。将算法应用于配电网无功优化中时，采用离散变量取整方法，加快算法的收敛速度。建立网损、电压偏差及无功补偿装置投资最小的配电网多目标无功优化模型，并以IEEE 33节点配电网络为算例进行仿真，结果表明改进后的算法兼顾了优化的收敛性和多样性，能够在不同的优化要求下得到有效的无功优化方案。

针对离散混沌系统，提出了一种基于融合Powell法的粒子群优化策略（Powell-PSO算法）的神经滑模等效控制方法。该方法通过将BP神经网络的输出作为滑模等效控制的切换部分的系数，有效克服了传统滑模等效控制的抖振现象；利用Powell-PSO算法对神经滑模控制器的参数进行全局优化，提高了离散混沌系统的控制品质。实验仿真表明：该方法无需了解离散混沌系统精确模型，具有响应速度快、控制精度高以及抗干扰能力强的优点。

随着射频功放非线性对射频前端的影响日益增大,使得功放建模变得越来越重要。提出了一种自适应模糊小波神经网络模型结构,并利用改进的粒子群优化算法,建立有记忆的功放模型。将小波函数融入到自适应模糊推理系统的模糊规则中,得到新的网络模型;在粒子群算法中引入最差位置影响因子,提高搜索效率,并进一步简化,忽略粒子的速度项,同时采用与适应度函数值相关的动态变化惯性权重,加快了收敛速度,避免出现"早熟"现象。仿真结果表明:该方法建立的功放模型误差小、精度高,能够有效地表征功放特性。