多方法协作优化是优化方法发展的重要思路，在复杂系统的优化方面将起到推动作用。本文在前人的基础上，创新性的研究了方法迭代步数和协作信息处理方式两方面内容，分析了不同类型优化方法的迭代步数和协作信息处理方式对算法优化性能的影响，归纳出参数设置的指导性结论，提出了一种新的协作信息处理方式，改进了多方法协作优化算法，并用于多峰函数的优化和PID控制器的优化设计。 1、方法迭代步数研究。 分别选择Powell算法和遗传算法作为局部优化方法和全局优化方法的代表，对串联协作多方法协作优化算法中的单独优化方法的迭代步数进行了研究，从各个单独算法的自身机理和特性，以及相互的协作策略出发，结合仿真实验分析了优化精度和优化时间随迭代步数的变化规律，得出了在多方法协作优化算法中，局部优化方法和全局优化方法的迭代步数设置的一般原则。 2、协作优化信息处理研究。 协作优化信息处理是决定优化效果优劣的关键因素。首先回顾了现有的协作优化信息处理方式，分析了现有方式的优缺点。并针对现有方式不能处理多峰值函数优化的问题，将小生境机制融入到多方法协作优化算法中，提出了一种基于小生境的协作信息处理方式。将这种协作信息处理方式应用于串并联协作的多方法协作优化算法中，并用于典型的多峰函数优化问题。优化结果表明新算法能够有效地保持解的多样性，找到优化问题全部的全局最优解，具有良好的收敛速度和优化精度。 3、多方法协作优化算法在PID控制器优化设计中的应用。 将改进的多方法协作优化算法用于高阶和时滞系统的PID控制器优化设计，针对不同的工程要求，采用不同性能指标函数，仿真结果表明新算法都能快速精确的找到控制器的最优参数，得到最优的控制效果。为PID控制器的优化设计提供了一个新的有效方法和思路。