全局优化技术的应用领域非常广泛，许多实际工程优化问题都能归结为全局优化问题进行求解，这就极大地促进了全局优化技术的兴起和发展。而非线性优化是优化领域内比较难以求解的一类问题，使用传统的优化方法已经难以独立对其求解。自然启发的算法是近年来在协同进化理论上发展起来的一种新的优化算法，为寻找复杂问题的解决方案提供了新的思路。自然启发的优化算法以其智能型、通用性、本质并行性和全局搜索能力，已在众多研究领域显示出潜力和魅力，并成为智能计算领域中一个研究热点。类电磁机制算法是一种受电磁理论中电荷的吸引-排斥机制的启发提出的新的启发式算法。本文在对国内外类电磁机制算法研究动态进行分析的基础上，针对原算法中存在的初始种群不均匀、局部搜索效率低、距离因素对合力计算的影响偏差较大、粒子移动方向错误率高等问题，提出了一种基于Tent混沌映射的类电磁机制算法。新算法使用Tent混沌映射模型构造算法的初始种群，既充分利用了混沌的遍历性优点，又生成了比Logistic映射更为均匀的初始种群；基于混沌优化很好的空间搜索能力和最速下降法很好的局部细搜索能力，使用混沌搜索和最速下降法进行局部搜索，既避免了算法陷入局部最优，又提高了解的精度；对力的计算公式进行了改进，并设计了新的合力修正系数，校正了距离因素对合力计算的影响；将小生境技术中基于预选择机制的选择策略融入粒子的移动中，保证了粒子移动方向的有效性，提高了算法的效率。最后在新算法的基础上，通过引入随机键的编码方式，将改进后的新算法应用于置换流水车间调度问题的求解中。实验结果表明，改进后的算法在求解最优化问题时能求得更精确的解，且算法的收敛速度更快了。这些最优化函数包括一般测试函数、复杂测试函数、Dixon和Szeg测试函数及高维测试函数。同时，改进后的算法成功地解决了置换流水车间调度问题。