基于群体智能行为启发的智能优化算法模拟了生物群体的觅食等行为,而基于物理学原理启发的智能优化算法模拟了物理系统的客观规律。为丰富群体智能方法,本文以基于物理学启发的优化算法为研究对象,针对目前很多算法只采用单一运动规则,不能有效平衡全局搜索能力和局部搜索能力的问题,提出基于多种物态的物理学优化算法。首先,构造了物理系统与优化算法之间的映射关系,提出基于多种物态的物理学优化算法的基本框架,为优化算法中粒子构造了属性集、运动规则和物态之间转换的条件,并针对基本框架提出基于多种物态的物理学优化算法。为了验证该算法的有效性,与标准APO算法和扩展的APO算法进行比较,实验表明了该算法的有效性。其次,为了更加合理地模拟物理系统中物质状态转化的过程,提高算法的精度,引入环境指标和新的物态,为新物态构造合适的运动规则和物态转化条件的同时,提出三种针对不同环境指标和不同物态的算法流程。通过实验对比分析,表明这三种算法的精度都得到了一定的提高。同时用该算法优化PID控制器的参数整定,实验表明算法的有效性和合理性。最后,以粘弹性悬架阻尼层合结构的性能优化模型为研究对象,利用基于环境指标的多物态物理学优化算法对其进行优化分析。采用本文所提出的算法对该模型进行优化,实验表明本文算法对粘弹性悬架阻尼层合结构的性能优化模型的有效性。