在国防现代化、控制工程、经济调度、机械加工等领域都存在大量的优化问题,人们提出了许多优化算法以解决这些实际的工程优化问题。一些实际工程优化问题往往是多极值点的复杂优化问题,很难用古典的优化算法解决。因此,求取全局最优点的启发式算法已经成为了焦点。本文对启发式算法及其在工程优化问题中的应用进行了深入的研究和分析。可靠性问题是指选择最优的元件和冗余度水平来满足资源约束,并使所获得系统的可靠性最大。本文提出了一种修正的粒子群优化(MPSO)算法解决复杂系统可靠性问题。MPSO算法通过分开使用个体最优粒子和全局最优粒子来更新每个粒子的速度,这取决于一个动态概率。另外,它在速度更新中引入一种新的惯性权重来平衡全局搜索和局部搜索。根据大量的实验,在解决可靠性问题上,MPSO算法比其他两种PSO算法具有更强的收敛性和稳定性。工作分配问题(TAP)涉及在一个离散系统中将一定数量的工作分配给一定数量的处理器。TAP的目标是最小化由于工作分配而蒙受的执行和通讯的总成本,这是有约束的优化问题。本文提出了一种改进的差分进化算法(IDE),并将它应用于工作分配问题(TAP)。IDE算法根据所有候选解的目标函数值来自适应地调整尺度因子,根据迭代次数来动态地调整交叉率,这样能增加候选解的多样性。实验结果表明,在一些工作分配问题上,IDE算法所获得的最优解都要好于其他两种DE算法所得到的结果。和声搜索算法(HS)是受音乐即兴创作过程的启发而产生的一种启发式算法。HS算法缺乏全局搜索能力,因此容易陷入局部最优。本文提出了一种新颖的全局和声搜索算法(NGHS),从而可以有效地避免HS算法早熟。NGHS算法使用了一种新颖的位置更新和一种常用的基因变异方法。前者提高了算法的精确性和收敛速度,后者使和声记忆库(种群)多样化,从而使得和声向量能够轻易地逃出局部最优。研究了NGHS算法的优化性能,并分析了参数对NGHS算法的影响。NGHS算法在每次迭代中更新和声记忆库中的最差和声,这提高了整个和声记忆库的质量。进一步利用NGHS算法有效地解决了三种工程优化问题：0-1背包问题,它属于一种特殊的线性0-1整数规划问题；复杂的化学方程式的配平问题；Hoo控制中的鲁棒PID调节。文中进行了大量的仿真实验,实验结果表明,在解决以上三种工程优化问题上,NGHS算法要好于HS算法和它的几种改进算法。同时,NGHS算法具有很强的收敛性、稳定性和解空间开发能力。它为解决复杂的工程优化问题提供了一种有效的选择。