本文主要研究了一种新的启发式搜索算法——微粒群算法。微粒群算法是由Kennedy和Eberhart在1995年提出的一种新的智能优化方法。 本文对PSO进行了改进，引入了“分群”和“灾变”思想，使得算法更好的协调全局与局部搜索能力，增强算法了跳出局部最优点的能力，有利于算法更快的寻找到全局最优点。 文中将微粒群算法应用到水火电力系统的短期有功负荷分配这个电力系统的传统优化难题中。通过具体算例验证了改进PSO算法的有效性，而且其收敛速度比遗传算法（GA）快，求解精度比普通的PSO和GA的高。同时本文也将微粒群算法应用到了PID控制器的参数优化，基于典型问题的仿真结果证明了PSO算法的有效性，其性能优于遗传算法。同时本文亦将PSO算法应用到水轮机PID调节器的参数优化中，通过仿真证明了PSO算法优于传统的经验公式。 此外本文建立了一个基于半实物仿真和快速原型化思想的智能控制试验平台，利用模块化的编程软件快速地实现控制算法，然后通过半实物仿真来验证算法、调整参数。本文利用该平台研究了模糊励磁控制的算法并将其与普通的PID算法进行了对比，并通过对比发现其控制效果要好于传统的PID控制器。建立一个能够快速原型化的试验平台，来进行先进的智能控制方法的实际动态模拟试验，对加速这些先进的控制方法从理论仿真过渡到实际应用有很大的帮助。