随着我国经济的高速发展,能源短缺问题越来越突出,相对煤炭和石油而言,水电能源为可再生的清洁能源,如何合理利用水资源解决能源紧张问题意义重大。在满足已有的约束条件下,运用最优化理论方法,制订出水库最优运行方式,是有理论研究意义和实际应用价值的课题。由于水库优化调度问题比较复杂,有很多约束条件,传统的优化方法对目标函数要求高,初始值设置对结果影响较大,计算量大,耗时多。而智能优化算法例如遗传算法容易早熟收敛,粒子群算法则存在无法跳出局部劣质解区域,而无法找到最优值的缺点,因此通常将智能优化算法改进来处理这个问题。　　本文首先论述水库调度的意义及现状,分析常用的水库调度方法,介绍最优化理论,分析了基本粒子群算法原理,通过常用的几个测试函数分析参数设置对算法的影响,并检测出基本粒子群算法存在易陷入局部极值的问题,然后论述了几种常用的改进方法。本文将模拟退火算法与粒子群算法结合起来以克服粒子群算法存在的上述缺点,提高算法的搜索能力,采用标准测试函数对其他几种改进粒子群方法和基于模拟退火的粒子群算法进行测试比较,分析计算结果可以观察出由模拟退火改进的算法能够克服原本存在的缺点,收敛效果较好。　　然后在解决非线性方程组问题和带有约束优化问题时,分别采用标准粒子群算法和改进的算法进行计算,分析得到的结果并进行比较。结果表明改进算法优化效果较好,但对于解决复杂多维的约束优化问题时,改进算法表现不稳定,因此仍需要进一步研究。　　之后在解决水库优化调度的问题时,采用此改进算法,并以三峡水库优化调度为例,进行计算结果分析,与常规方法进行比较,在结果分析中可以发现此算法在实际应用中效果稍好,为解决此类问题提供了另外一种途径。　　最后本文分析了粒子群算法的不足,并从改进拓扑结构、与其他智能算法相结合等角度对算法改进方法进行了探讨。