和声搜索(Harmony Search Algorithm, HS)算法是一种模拟音乐家演奏作曲过程的启发式随机搜索优化算法,具有实现简单、概念易懂、鲁棒性好及适应性强等优点,已经成功用于工程设计等领域。HS算法的寻优能力极大程度上依赖于和声库(Harmony Memory, HM)初始解、参数选择及产生新解方式；当初始解欠佳、参数选择不当或优化目标是复杂函数时,HS算法会出现局部搜索能力弱、收敛精度低等缺点。针对HS算法的这些缺点,本文对其进行了多种改进,以提高算法的寻优能力,并将改进算法用于低碳能源预测。准确的预测未来能源的消耗总量、发电量及对应产生的碳排放量给能源政策的制定、能源结构的预测和优化提供科学合理的依据。论文的主要贡献如下：(1)为了克服算法参数确定不当带来的寻优能力减弱的弊端,提出一种新颖的采用黄金分割策略的多和声库自适应参数和声搜索(Multi-Hrmony Memory Adaptive Harmony Search Algorithm, MHMAHS)算法,该算法受音乐领域不同音乐风格跨界合作思想的启发,采用多个和声库独立进化,一定代数后跨界合作、共享最好解,并对算法采用自适应参数设置,新解扰动区间划分采用音乐作品中常见的黄金分割定律代替等概率分割策略。标准测试函数仿真结果表明MHMAHS比基本HS算法、改进HS算法及全局最优HS算法效果更好。(2)提出了一种基于MHMAHS算法优化的联合参数调整组合预测模型(MHMAHS Algorithm-based Joint Parameters Optimization Combination Model, MHS-JPOCM),并将其用于年度发电量的预测。MHS-JPOCM用单模型幂指数的形式代替传统组合模型中的单模型形式；同时联合调整幂指数和单模型权重；采用MHMAHS算法确定联合参数。采用相对误差、MaxAPE及MAPE等3种常见的预测精度评价指标将本文方法的预测精度与4种常见的单预测模型及4种常见的组合预测模型的预测精度进行了比较评价,结果表明无论从预测精度还是从模型选择风险上评价,MHS-JPOCM都表现出优于其他比较方法的预测性能。(3)基本HS算法中每迭代一次只产生一个新解,显然算法的效率不高。针对这一问题,提出一种多宇宙量子和声搜索(Multi-universe Quantum Harmony Search Algorithm, MUQHS)算法：采用量子编码HM,利用叠加态大大增加每个和声携带的信息量；利用和声搜索策略自适应更新量子角,避免常见查询表方式对搜索效率的影响；将多宇宙理论引入算法,每次迭代对新解进行多次测量,即每次迭代产生多个新解,增强算法的搜索能力。通过测试函数仿真,并与基本HS算法、改进HS算法、全局最优HS算法的测试结果进行比较分析,结果表明MUQHS算法的寻优能力有很大提高,尤其是对高维函数,寻优结果优于其他相比较的算法。(4) DMFSE组合预测方法是一种有效的预测方法,然而大多数研究中对折现因子的选择采用基于经验的方式,没有考虑到模型及预测时刻对折现因子的影响。本文提出将DMFSE模型中原本所有预测时刻、所有单预测模型采用相同折现因子的方式发展成对不同预测时刻、不同预测单模型采用不同折现因子,并采用MUQHS确定折现因子矩阵,并用于预测年度碳排放量。为了验证本文提出的改进DMFSE模型的预测能力,通过相对误差、MAPE、RMSE及MAE等4个常见预测精度评价指标与3种传统折现因子取值进行了预测精度比较评价,结果表明本文方法的预测精度好于其他比较实例的预测精度。(5)由于HS算法采用随机搜索机制,因此,算法易陷入局部最优或出现早熟收敛。新进化论学说的灾变理论认为灾变过程能够快速促进生物进化的巨大飞跃。音乐家的作曲过程也偶尔会有类似生物进化过程“灾变”现象这样的大扰动。这种扰动也许会迸发出新的灵感、带来更好的作品。受此思想启发,将“灾变”思想引入HS算法,用以提高算法的寻优能力；同时,借鉴蝙蝠捕捉猎物时发出的声波强度及速度的变化规律,自适应调整算法参数,提出一种带灾变操作的混合自适应和声搜索算法(A Hybrid Harmony Search Algorithm with Catastrophe, HHSC)。经标准测试函数仿真,并与基本HS算法、改进HS算法、全局最优HS算法的测试结果比较分析,结果表明HHSC算法的寻优能力有很大提高。(6)灰色系统理论能够有效解决部分信息明确、部分信息未知的“小样本、贫信息”等不确定性问题。但多数研究中,对灰色背景值系数取0.5,这是传统灰色模型预测误差的主要来源之一。针对这一问题,本文提出采用HHSC算法优化灰色背景值系数的改进GM(1,1)预测方法,并用于预测年度能源消费量。仿真结果分析,本文方法的预测精度高于传统的GM(1,1)预测方法。