液压系统作为机电液耦合复杂系统,其可靠性是主机运行的关键。结合先进优化技术对系统可靠性进行优化可以实现高可靠性、低成本等目标,但液压系统优化问题通常具有非线性和不确定性的特点,无法通过传统方法有效解决。因此,基于群智能算法的优化技术为解决此问题提供了更好的解决方法,现有的单一仿生群智能算法存在优化及应用局限的问题,为此,针对液压系统可靠性优化问题,研究以静态、动态拓扑混合标准微粒群、两阶段微粒群和蚁群算法后的混合群智能算法。首先,基于单一仿生行为的智能算法在优化过程中会出现陷入局部最优、鲁棒性差和收敛速度慢等问题,将标准微粒群算法、两阶段微粒群算法和蚁群算法协同进化,利用一种静态拓扑建立三种算法在迭代过程中的联系,提出静态拓扑混合群智能算法,基于信息迁移和知识共享搜索最优解。测试分析算法的种群多样性和寻优能力,并利用所提算法优化桥式系统可靠性,通过与其他单一仿生搜索算法的优化结果对比,验证所提算法具有更好的优化性能。然后,为充分利用稀疏拓扑和密集拓扑算法各自的优势,用一种疏密度随迭代变化而变化的有向自学习拓扑将标准微粒群算法、两阶段微粒群算法和蚁群算法相结合,提出有向自学习混合群智能算法。测试所提算法的优化性能,并分析在拓扑度量参数变化的情况下各子算法之间的连接状态。利用所提算法优化桥式系统可靠性、液压阀块加工车间调度问题,以保证在满足约束条件的情况下获得结果最好的优化目标,并通过对比表明有向自学习拓扑可以更有效地结合不同算法的优势。最后,针对液压工作系统可靠性分配和多态系统可靠性分配优化问题,在用T-S故障树和通用生成函数分别对其分析的基础上,建立具有不同优化目标的优化模型,并应用有向自学习混合群智能算法对其进行求解,通过与单一仿生搜索算法、静态拓扑混合群智能算法及文献中算法的优化结果对比,验证所提算法求解复杂优化问题的优越性。