非线性模型预测控制研究发展至今,多数都局限某些特殊的非线性系统,关于一般非线性系统的研究难题则主要来源自优化算法的研究.实际的控制系统大部分都是非线性的,而且很可能含有不确定度,因此本文提出了一种改进的粒子群算法来优化求解非线性模型预测控制,研究内容：(1)提出一种改进的粒子群算法.针对经典的粒子群算法在求解非线性模型预测控制的过程中容易陷入局部最优、搜索后期收敛速度慢的问题,提出引入粒子滤波重采样步骤和粒子变异操作相结合的改进粒子群算法.并利用四种测试函数对改进粒子群算法和经典粒子群算法进行对比仿真实验,实验结果表明：改进的PSO算法具有更好的收敛速度和搜索精度.(2)研究了改进的粒子群算法在一类非线性模型预测控制系统中的应用.针对带有有界随机扰动和概率约束的非线性模型预测控制的优化控制律求解问题,引入改进的粒子群算法求解,对概率约束的处理,采用对不满足约束的粒子进行有效替代的方法,进而得到满足概率约束条件的优化控制律.仿真结果表明算法的有效性.