水资源是经济和社会可持续发展的重要物质基础，我国水资源严重紧缺，综合利用率低，因此在《国家中长期科学技术发展规划纲要（2006-2020）》中，将水资源优化配置与综合开发利用列为优先主题，提出要着重研究开发水利工程治理调节的关键技术。随着我国水电能源工程的建设推进，水电站水库优化调度已经成为水电系统长期经济运行的核心问题。通过研究相关优化调度技术来保障电网安全稳定运行，提高水资源利用效率，发挥水库综合效益具有重要意义。受水文概况、发电控制、时序差异等因素的影响，水库的调度模型呈现高维、非凸、非线性等特性，使用传统方法难以求解。智能优化算法打破了传统优化问题精确模型的计算模式，适合于解决那些传统方法难以解决的问题。作为一种新兴的群体启发式优化技术，粒子群优化算法通过模拟生物群体觅食行为来求解优化问题，具有收敛速度快、寻优能力强等优点，然而算法存在易受初始值影响、算法后期易早熟等缺点，本文通过研究群体进化规律，提出两种改进算法，并应用到实际优化问题中。本文主要工作包括以下几部分:(1)针对传统粒子群优化算法受初始值影响易陷入局部最优的问题，引入了复合混沌改进机制，提出一种改进混沌粒子群优化算法(ICPSO)，算法利用了混沌映射的遍历性和随机性，使用由不同混沌组成的复合映射对群体进行动态初始种群优化和精英粒子混沌扰动，数值仿真实验证明，改进算法可以有效地逃离局部最优点。(2)为加快标准粒子群优化算法后期的收敛速度，同时不导致种群多样性缺失，引入高斯扰动策略和反向粒子学习策略对算法进行改进，提出了自适应多策略粒子群优化算法(AMPSO)，算法使用粒子活跃度评判其收敛程度，自适应地选择更新策略，数值仿真实验表明算法有效解决了收敛速度慢、精确度低的问题。最后将算法应用于误差最小的高光谱端元提取组合优化问题中，模拟和真实数据实验表明该算法可以获得很好的提取效果。(3)水库的中长期调度需要考虑不同时期发电以及防洪的因素，是一个集多阶段、多变量、多约束于一体的复杂非线性问题。使用上述改进算法求解水库优化调度问题，算例实验证明算法能够有效解决收敛精度低、维数灾等缺陷。