在科学研究和工程实践等领域,存在着大量的优化问题。传统的优化方法虽然有着诸多优点,如理论完备、计算结果稳定、算法效率高等,但是随着优化问题变得越来越复杂,传统方法已经很难独立解决。群智能作为一种基于群体搜索的全局优化方法,非常适合于求解复杂的单目标优化问题、多目标优化问题和约束优化问题。因此,群智能研究越来越多的受到国内外研究者们的关注,目前已成为智能优化领域的研究热点之一本论文的研究目标旨在通过对粒子群优化的深入的探索和研究,针对单目标约束优化问题、多目标优化问题设计高效的进化算法及策略,并进行相应的理论分析和实验验证。在此基础上(追求解的质量)考虑解的鲁棒性问题,提出一种单目标鲁棒优化方法,并推广到多目标优化领域。最后,将所有这些研究成果应用于实际问题当中,通过实例来验证。具体而言,本论文的主要研究工作主要有以下几个方面：1.针对单目标约束优化问题,提出了一种约束自适应粒子群优化算法。通过双适应值动态判断粒子群优化算法中粒子的优劣,在违反度值的计算引入了自适应加权系数,并相应地提出了调整各权系数的自适应策略。另外,改进了粒子群优化算法粒子竞争选择策略,提出了一种变异策略。实验结果表明了该算法收敛速度快且结果可靠。2.针对多目标优化问题,提出了一种基于maximin的多目标优化算法。通过maximin适应函数的计算中引入函数相对值算法和ε-支配的概念,并提出了可变ε-支配的策略,改进了maximin适应函数的计算方法。通过测试函数的测试,结果表明该算法收敛速度快且效果良好。3.针对优化问题解的鲁棒性,提出了一种鲁棒单目标优化方法。通过随机选取粒子扰动范围内一定数量的样本,计算出样本目标空间的均值和方差,由此提出了针对最大化和最小化问题的鲁棒模型,并推广到多个目标的优化命题。同时给出了模型的实现方法,并对实例进行仿真计算,仿真结果表明了该方法是有效的。4.对上述研究成果的集成应用,分别将约束自适应粒子群优化算法应用于多水厂节能优化供水调度问题中；将基于maximin的多目标优化算法应用于压缩机控制器启动性能优化中；将鲁棒多目标优化方法应用于粒子群优化算法的参数优化配置中,通过这些实例使研究成果得到验证。