在现代农业灌溉中,水量的灌溉是影响作物的产量的重要因素,由于水资源的匮乏,导致中国有许多农田没有足够的水量进行灌溉,致使产量无法达到作物的最大产量。因此研究如何合理的在农田非充分灌溉条件下运用仅有的水量进行灌溉使作物的产量能够达到最大具有十分重要的现实意义。本文选用较为普遍接受的Jensen模型作为灌溉-产量模型来研究,考虑实际农田灌溉中会出现的降雨量因素,搜集大量的农田数据进行筛选和分析,然后通过智能算法进行了非充分灌溉条件下农田作物生育期水量的分配优化。本文完成了单目标灌溉水量的优化配置和双目标灌溉水量的优化配置研究。其中单目标灌溉水量的优化配置是在灌溉水量给定的情况下,研究合理的在小麦生育期进行水量分配使得小麦的产量达到最大。改进算法为针对遗传算法寻优过程中容易出现早熟的问题,加入疫苗的概念,同时使基因变异具有一定的方向性。这样保持了群体的多样性,同时也保留了遗传算法寻优中的收敛速度。优化结果表明本文的提出改进算法能够很好的模拟灌溉水量和产量的关系,且相比与常用的几个算法,本文的算法在收敛速度和准确性上都要更好。双目标灌溉水量的优化配置分为两个部分,一为基于Jensen静态模型进行灌溉水量最小而产量最大的水量配置优化,二为基于农田水量平衡方程和农田水分生产函数结合得到的动态模型,进行作物产量最大和灌水总量最小的水量优化配置。这两个部分使用的算法都是基于拥挤距离的双目标免疫粒子群算法,该算法是在原本的粒子群算法中加入拥挤距离的概念来评价粒子,并根据拥挤距离来选择合适的粒子作为抗体,对全体种群进行交叉变异操作,从而改善了粒子群算法容易陷入部分最优的问题,优化了算法的收敛速度,同时也增加了种群的多样性。优化结果表明基于拥挤距离的双目标免疫粒子群算法对于非充分灌溉情况下的水资源优化配置是有效的,且效果优于其他常用的算法。本文针对非充分灌溉中存在的水量合理分配问题,考虑了农田灌溉中的静态模型和动态模型,进行了两种模型水量配置的优化和对比,实现了在干旱地区水量的优化分配。对实际的农田灌溉具有一定的参考意义。