随着社会的进步和科技的发展,人类已全面步入海洋经济时代,对海洋的开发和探索范围也越来越广。传统的锚泊定位已愈发满足不了海上工作的相关需求,动力定位系统(DPS)应运而生,它是依靠推进器产生的动力来抵御作用在船舶及平台上环境力的影响,从而尽可能使其保持在海面期望位置上的一种闭环控制系统。其中的推力分配系统是DPS重要的组成部分,它的作用是将控制系统输出的期望力和力矩等信号,转化分配为各推进器的转速和方向。推力分配问题可归结为一个约束非线性优化问题。对于推力分配的优化,不但能更好地提升DPS的相关性能,还能在减小推力误差、降低能耗和减少设备磨损等方面发挥积极的作用。本文以装备有八个全回转推进器的某半潜式平台为工程背景,针对其推力分配问题,建立了数学优化模型。过去采用序列二次规划(SQP)等求解该问题,存在局部收敛等缺陷,且鲁棒性不好。根据算法的发展趋势,本文基于较为新颖的属群智能的人工蜂群算法来求解,以期获得更好的结果。人工蜂群算法具有全局收敛,结构简单,易于实现等优点,但同样存在早熟、收敛速度不突出等缺陷。为了更好地求解上述推力优化分配问题,本文对其进行了相应的改进,提出一种并行混合粒子蜂群算法(PHPBC)。主要措施有引入粒子群优化(PSO)中的全局最优位置指导机制,以加速算法的收敛速度；给出可调压力排序选择代替传统的赌轮选择,可在算法的早期有效维护群体的多样性,而后期加速向最优解的收敛；并行思想可进一步抑制早熟,提高算法的全局搜索性能。为验证提出算法的性能,首先将其应用于求解经典的函数优化问题中,结果验证了其可行性和有效性。在此基础上,将提出的算法应用到前述建立的平台推力分配优化问题中,模拟了两种测试环境,进行了相应的仿真测试。结果表明,提出的算法能够有效的对控制器发出的期望指令进行合理分配,效果令人满意。此外,本文还在选取不同参数情况下,对算法的优化性能进行了对比和分析。相关工作表明,本文所提算法对推力优化分配问题是有效的,获得了较好的求解效果。本文的研究具有一定的理论意义和应用价值。