电力系统中经优化的机组组合可以有效的节约能源，带来巨大的经济利益。机组组合问题具有非线性、高维和多约束的特点，使得寻找最优解十分困难。本文基于对混沌系统理论、遗传算法及神经网络等现代智能优化方法的研究，提出了二种嵌入混沌动力学的混合优化策略。一种策略是结合遗传算法和混沌优化算法的优势，利用具有混沌特性的Logistic映射构造遗传变异算子，通过按优先权确定的区间偏移来加快遗传算法的收敛速度。另一种优化策略是将机组组合分解为两个求解过程，首先应用遗传禁忌算法得到全部机组单元在计划时段的启停安排；然后应用混沌神经网络法得到单一时段中各个机组单元的经济负荷分配。混沌神经元模型采用一种Gauss-Sigrnoid激励函数，使混沌神经网络具有典型混沌动力学特性，通过调节温度更新函数的参数，可以控制混沌优化搜索的收敛速度。实际算例的仿真结果验证了本文提出的两种混合优化策略都具有较好的收敛特性和较强的全局搜索能力。