本课题研究了一种基于混沌动力学运动的混合智能优化算法，将其用于海洋机器人推进电机。推进电机是海洋机器人的关键部件，提高其性能将会拓宽探索海洋领域，是开发海洋资源的重要课题。本文主要内容为： 一、研究了智能启发式Alopex优化算法。改进了现有Alopex算法数学模型，使仅能求解下单峰函数的Alopex算法具备了爬坡能力；在应用贝努利实验概型论证算法收敛性的基础上，对影响改进算法收敛性和收敛速度的重要参数，如自变量的初始值，自变量随机行走步长、有效参数温度和迭代终止判据等进行了探讨，提出了选取确定原则，并通过大量的实验模型进行了可行性验证。 二、基于一维混沌映射混沌点集的概率测度分析，提出了一种适于解决多变量多峰值非线性约束问题的新的混沌优化算法——变区间混沌优化算法，并应用切比雪夫不等式论证了算法依概率收敛于全局最优解。首先对现有的混沌优化算法进行了改进，通过引入Ulam-von Neumann映射实现算法在当前优化解的两侧搜索，通过引入衰减系数改变初始调节系数实现区间调整，大大改善了算法的搜索效率。然后推导了Logistic映射的不动点，讨论了算法中一维混沌映射初值的选取方法以及混沌轨道序列点值、初始调节系数和衰减系数之间的关系。 三、提出适于解决复杂工程实际优化问题的混合混沌优化算法。利用改进的Alopex算法和变区间混沌优化算法的各自优点，提出了混合优化算法。该算法分三个阶段：粗搜索阶段、下降搜索阶段和细搜索阶段。在粗搜索阶段，利用Logistic映射生成的候选解群体寻求最优解存在的领域和方向；在下降搜索阶段，利用Alopex算法快速收敛的特点进行搜索；在细搜索阶段，利用Ulam-von Neumann混沌映射在当前优化解邻域进行细致寻优。该算法在机制上克服了现有优化算法收敛缓慢易陷入局部极小的缺陷。 四、将混合混沌优化算法、参数辨识、动态性能仿真、电磁场分析用于水下推进电机，并在实验中进行了验证。