混沌是一种存在于非线性系统中的普遍现象，它所具有的遍历性，随机性，规律性等特点在优化搜索中显示了独特的优势。自从混沌理论引入到优化领域后，众多研究人员提出了很多改进的混沌优化方法。这使得算法在快速性和精确性上都有很大的提高，但就目前来看，仍存在着一些缺点。　　 本文提出了一种概率混沌优化算法，它的主要思想就是以大概率在缩小空间后的精搜索空间进行搜索，同时，在原空间也按照小概率进行搜索。这样可以克服传统混沌优化算法中，因过早的缩小寻优变量的搜索空间而漏掉全局最优解的缺点。在此思想的基础之上，本文分别采用串行机制和并行机制对其实现。串行机制是指采用一种混沌序列按照自身的混沌运动进行优化搜索；并行机制是采用多种混沌发生机制同时在有效空间中独立并行搜索。并行机制在模型比较复杂，非线性强的优化问题中更能体现出它的优越性。克服了随机的初始值对混沌搜索的影响，增强了算法收敛的稳定性。将两种算法分别应用在典型的测试函数中，仿真实验结果表明，该方法收敛速度快，寻优效率高。　　 结合算法的寻优性能和特点，本文将这两种算法分别应用于电力系统经济负荷分配问题，第三方物流分包商的选择问题中，成功的解决了以上实际的优化问题。经过仿真实验验证，这种新的混沌优化算法比常规的优化算法和传统的混沌优化算法具有更好的特性，能够更快速的搜索到全局最优值，有效地节约成本，切实地解决了实际问题。