粒子群优化算法是一种启发式群智能优化算法，其基本思想源自于对鸟群觅食行为的模拟。粒子群优化算法适用于求解非线性、不可微的复杂优化问题，具有原理简单、容易实现、收敛速度快等优点，并在实践应用中取得了很大的成功。但粒子群优化算法也存在易早熟、局部搜索能力较差等缺点。基于此，本文进行了以下研究： 第一，针对粒子群优化算法易陷入局部最优点的缺点，基于混沌思想提出了一种改进算法—混沌粒子群优化算法。该算法将混沌搜索融入到粒子群优化算法当中，利用混沌搜索的随机性、遍历性来提高算法的多样性和全局寻优能力，并建立了早熟收敛判断和处理机制。当发现算法有早熟迹象时，则利用混沌搜索进行局部搜索，而当混沌搜索没有找到更好的解时，则对种群中的部分粒子进行混沌初始化，帮助种群摆脱局部最优点。在上述研究的基础上，进一步将混沌搜索与协调粒子群优化算法相结合，增强粒子间的信息交流。 第二，对粒子群优化算法的寻优机制进行了深入的研究，结合社会规律，分析了粒子群优化算法速度计算公式的缺点，并提出了一种新的速度计算公式。新的速度计算公式将原公式分解为两个子公式：其中一个保留了全局极值点的指导作用，并引入了全局次极点，在增强了粒子间的信息交流的同时，通过调整学习因子，强调全局极值点的指导作用，提高了算法的局部寻优能力；另一个保留了个体极值点的指导作用，并引入一个随机点，增强了种群的多样性，提高了算法的全局寻优能力。 第三，对水库优化调度问题的数学模型和约束条件进行了讨论，并将上述改进算法应用于水库优化调度问题的求解。 研究表明上述改进算法的搜索能力都要优于基本粒子群优化算法，并且能较好的解决水库优化调度问题。