自20世纪80年代以来，智能优化算法(如人工神经网络、混沌优化、遗传算法等)通过模拟或揭示某些自然现象和过程而发展起来，为优化理论提供了新的思路和手段，并在科学、经济以及工程领域得到了广泛应用。粒子群优化算法(PSO)是一种基于种群搜索策略的自适应随机算法。作为一种新兴的智能优化算法，PSO可用于求解大部分的优化问题，并在工程实践中表现出巨大潜力，现己广泛应用于函数优化、神经网络训练、工业系统优化和模糊系统等领域。 本文采用线性离散时间系统理论对粒子群优化算法的收敛性进行分析，并研究了简化PSO模型的收敛条件。其次，针对粒子群优化算法的早熟收敛问题，本文提出了一种带变异的自适应粒子群算法(APSOwM)。APSOwM在进化过程中自适应调整算法的全局与局部的搜索能力，并且通过变异策略增强种群的多样性，使算法获得持续搜索的能力，从而提高种群跳出局部极值的几率，有效克服早熟收敛。 锌电解分时供电调度优化是一个复杂的工程实际问题。本文根据实际情况建立锌电解分时供电调度优化模型，并结合边界处理方法和惩罚函数策略，将APSOwM应用于该模型，获得最优分时供电调度方案以指导生产。最后，论文介绍了锌电解分时供电优化调度系统的实现。工业应用结果表明，该系统可以有效降低锌电解过程的电能消耗，大幅度减少电费支出，为企业创造了显著的经济效益。