优化技术是以数学为基础求解各种工程问题最优或次优解的应用技术。很多实际工程问题由于规模大、约束性强,优化目标具有非线性、多极点、多目标、建模困难等特点而属NP难问题,传统的优化技术无法解决。因而寻求解决这类问题的具有智能特征的优化算法成为有关学科的主要研究目标和引人注目的研究方向。20世纪80年代以来产生的一系列现代优化算法在解决一些复杂问题上的成功应用,使得它们越来越受到科技工作者的重视和广泛应用。这些算法都是受某种自然现象启发,将其通过数学抽象后建立算法模型,再用计算机来求解,因此称为自然启发式算法或智能优化算法。具有智能特征上的优化算法广泛应用于各个领域,如电力系统、化工系统、机械设计、通信领域、经济领域等,甚至是人文社科领域都有涉及。受宇宙大爆炸理论的启发,本文提出一种新型并行全局搜索加并行局部搜索的弥漫式智能优化算法—宇宙大爆炸搜索(Big Bang Search,简称BBS)算法。BBS算法的特点是把搜索解在空间中分布的均匀性和随机性有机结合起来,进而达到较强的搜索能力。另一方面在经典优化理论的启发下,本文提出一种改进措施,得到基于“近似梯度”的宇宙大爆炸搜索算法(BBS based on approximate gradient,简称AGBBS)。AGBBS算法充分利用了基本BBS算法中爆炸碎片的信息,在一定程度上克服了基本BBS算法的不足,提高了算法的整体效率和鲁棒性。全文共分五个部分:第一部分为绪论,主要阐述研究意义、现状和进展;第二部分介绍基本宇宙大爆炸搜索算法。主要包括算法的思想来源、搜索机理、优化流程及特点;还讨论了一些启发式算子并给出了算法步骤。第三部分介绍一种改进的基于“近似梯度”的宇宙大爆炸搜索。第四部分为仿真研究,包括实验结果与分析。第五部分是全文总结,论文研究的若干思考以及未来的工作。最后是致谢和参考文献。附录中给出BBS算法主要伪代码和AGBBS算法流程图。