演化算法是一类启发于自然现象或规律的智能搜索和优化技术的总称。由于其高效的优化性能和巨大的应用潜力,演化算法在过去的半个多世纪受到了国内外研究人员的广泛关注。有鉴于此,本文旨在近来提出的人工雨滴算法的基础上,对其在复杂连续优化问题的求解方面展开研究。主要工作如下:(1)为进一步理解人工雨滴算法的运行机理和计算效果,首先,利用相关的数学理论,证明人工雨滴算法在变量不相关的条件下是以概率1收敛到满意种群;其次,与三个演化算法在CEC2005测试平台上进行优化性能比较。实验结果证实了人工雨滴算法在解决复杂连续优化问题的有效性。(2)在利用人工雨滴算法求解多目标优化问题时,如何在算法设计过程中融合问题的特征是提高计算效率的重要方面。为此,提出一种先验驱动多目标人工雨滴算法。首先,通过结合非支配排序框架和人工雨滴算法搜索引擎,提出一种多目标人工雨滴算法;其次,为加快多目标人工雨滴算法的收敛速度,通过集成多目标优化的先验知识-搜索空间的中心点和二项交叉算子,来引导种群快速向理想Pareto前沿靠近;最后,为保持种群选择的有效性和非支配解的多样性,提出一种基于最近拥挤距离的非支配解修剪方法。为验证算法的优化性能,选取了 12个多目标测试函数进行验证,并与其它四个多目标优化算法进行对比。结果表明提出的算法比其它的优化算法能够更快地跳出Pareto局部最优解,并获得了更好的Pareto前沿的均匀性。(3)针对电力系统中的无功优化问题,首先,建立以电压偏差和有功网损为目标的多目标优化模型。其次,利用提出的多目标人工雨滴算法进行求解,详细描述了算法的编码和流程。最后,在IEEE-30节点系统进行测试,将优化前后的结果进行了对比,并将结果与刘佳的文献中的优化结果进行对比,实验结果表明所用算法实现了电力系统经济运行的同时,提高了电网的电压稳定性。