全局优化的应用领域非常广泛,很多工程优化问题都可以归结为全局优化问题,这极大促进了全局优化技术的兴起和发展。目前,在全局优化技术中,基于种群的随机搜索方法得到了极大的关注与发展。本文研究了一种新型的基于种群的随机全局优化方法——类电磁机制(Electromagnetism-like Mechanism,EM)算法。该算法模拟电磁场中带电粒子的吸引与排斥机制促使带电粒子向最优点移动,因此称为类电磁机制算法。本文主要研究了该算法,对其进行了改进,并将其应用于高维函数优化、神经网络训练以及流水车间调度等问题。首先,概述了EM算法的原理和步骤。其次,在函数优化问题的研究中,基于EM算法的特点和优化机制,提出了改进措施——改变力的计算方式和引入移动系数,并通过实验测试和与其他经典的优化算法比较,证明EM算法是一种很好的全局优化方法而且具有很好的发展潜质。然后,针对传统神经网络训练算法易陷入局部最优、收敛缓慢等缺陷,提出了有效的基于EM的神经网络训练算法,并很好的解决了Iris、Ionosphere、Breast cancer分类问题。接着,通过引入随机键的表达方法和替换较差粒子的方法,运用EM算法解决了流水车间调度问题,使得EM算法可以求解离散型优化问题。最后,总结全文,并对EM算法的研究和应用进行了展望。