最优化是各行各业应用相对广泛的一个常用术语。近年来,对于一些规模大,难度高,非线性及无梯度信息的工程问题,群智能优化方法已经越来越凸显出其相对于传统优化算法的优越性。但是,单一的群智能算法难以满足实际问题中出现的多模态,带约束,动态时变等特性的要求。为了取长补短以在尽量短的时间内得到尽量优化的解,当今很多学者致力于研究各种群智能算法的融合技术。本论文课题是在群智能算法融合的基础上，增加了文化框架的概念。各种群智能算法的大部分操作都是随机的个体及群体行为,没有知识经验的积累以及指导。各种各样知识的大量提取,积累及应用才能指导整个社会的前进方向,推进社会的进步从而加速人类社会的发展。如果我们能够发现,采集并提取各种不同的知识并用以指导群智能算法,会使群智能领域的研究有一个质的飞跃。群智能算法在工程优化,模糊聚类,数据挖掘,机器学习等等各个方面的成熟应用,也恰恰说明了文化框架下的群智能算法的融合技术并非只是站在一个理论的高度上，它还拥有着充分的实际应用意义。本论文围绕群智能算法中的粒子群算法和鱼群算法等,深入研究了群智能算法和文化算法的融合方式,系统地提出了一系列文化群智能算法。并将提出的算法成功地应用于高超声速飞行器轨迹优化设计以及带有主动振动控制器的感应电机系统的参数辨识问题。本文的研究成果主要有以下几个方面:　　首先,本文提出了两种不同的方式将粒子群算法嵌入到文化框架中。在第一种融合方式中,我们将微分进化算法跟粒子群算法相融合,再将融合后的算法嵌入到文化算法框架中去,得到了基于微分进化方式的文化粒子群算法(PSOCCA, Particle Swarm Optimization Combined with Cultural Algorithm)。在第二种融合方式中,我们在粒子群算法中引入了遗传算法中的变异算子,再将其嵌入到文化框架的种群空间中。同时利用存储在信念空间中的知识与我们所创建的影响函数共同指导分布在种群空间中粒子的进化,得到了精度明显优于 PSOCCA的带变异的文化粒子群优化算法(CPSOM, Cultural Algorithm-based Particle Swarm Optimization with Mutation)。最后我们用一些典型的高维多峰非线性函数来测试两种优化算法的性能。仿真结果表明两种新算法与基本PSO算法相比,都改善了其早熟的缺限,从而提高了基本PSO算法的全局优化性能。　　其次,本文提出了一种基于文化框架下的鱼群算法。构造了一种适用于人工鱼群算法的影响函数,从而把人工鱼群算法与文化算法相结合,得到了文化人工鱼群算法(Novel Cultured Artificial Fish-Swarm Algorithm with Crossover, CAFAC)。高维多峰非线性函数的优化结果表明,我们所提出的文化人工鱼群算法在寻优性能上较人工鱼群算法有了很大的提高。在此基础之上，我们用文化人工鱼群算法来解决具有工程背景的组合梁优化设计与拉伸弹簧优化设计问题。仿真结果表明,本文提出的文化人工鱼群算法在解决约束优化问题上也凸显出了一定的优势。　　再次,我们提出了一种新的文化量子粒子群算法(Cultural Quantum-behaved Particle Swarm Optimization,CQPSO)。在CQPSO中,我们将量子粒子群算法与文化算法相融合,创建了适用于文化量子粒子群算法的影响函数,并利用存储在信念空间中的情境知识与规范知识来指导量子粒子群的进化。高维非线性函数的优化结果表明,文化量子粒子群优化算法与基本粒子群算法相比,在优化精度上得到了显著的提高。并将所提出的文化量子粒子群算法应用到了具有实际工程背景的压力容器优化设计来减少圆柱容器的材料消耗。　　最后,我们将上面所提出的文化群智能算法应用在高超声速飞行器的再入轨迹优化设计和带有内置控制绕组的感应电机的参数辨识中。针对高超声速飞行器的再入轨迹优化设计问题,我们设计了惩罚函数来处理其中的不等式约束,将攻角指令作为轨迹优化问题的输入量,同时将所得到的结果与序列二次规划方法(Sequence Quadratic Programming, SQP)做了比较。数值仿真结果证明了文化群智能算法与PSO算法和SQP算法相比,具有更好的全局优化能力,表明了基于群智能算法进行轨迹优化设计的有效性,其结果为高超声速飞行器再入轨迹方案设计提供了依据。对于带有内置控制绕组的感应电机系统的参数辨识结果表明,所得到的优化模型可以很好地吻合由实测输入输出数据描述的系统,说明了基于文化群智能算法进行电机系统参数辨识的有效性。