随机优化算法是一类智能优化算法,它与传统的优化算法不同,源于对自然的模拟,通过随机算子迭代寻优。强化学习同样通过随机试探进行学习,该思想源于对生物学习的模拟,与随机优化算法有着千丝万缕的联系。本文简要论述了随机优化算法与强化学习思想,在广义的随机优化算法的模型上论证了随机优化算法全局收敛的条件,即每次保留较优解、以及随机初始化多个解。结合强化学习思想,构造了强化学习优化算法。借鉴自然中的植物的生长繁殖,构造了植物散播优化算法。通过仿真验证了两个随机优化算法的全局收敛能力,通过与经典随机优化算法的比较验证这两个算法的有效性。针对预测问题,将强化学习优化算法与神经网络相结合,针对参数辨识问题,将随机优化算法与传统辨识方法相结合,通过仿真验证了算法在这些领域应用的有效性。针对控制问题,结合强化学习思想与随机优化思想,设计了一种基于关系网络的自学习控制算法,并讨论了该算法的收敛性。通过仿真验证了该算法的有效性与局限性。