在噪声环境中求解多峰优化问题对经济学、医学和工程学等现代优化问题具有现实意义,它可以为机器人、智能控制与决策、信号识别与测量、智能制造等存在噪声干扰的工程优化问题提供多个优化解决方案。近年来,噪声环境下的多峰优化受到越来越多的关注。然而,随机性优化算法求解过程的不确定性和噪声的不确定性使得研究人员对算法的优化结果可能出现的情况及其可能性的大小难以预知。因此,研究算法的依概率特性具有重要的理论意义和实际应用价值。优化算法的依概率特性体现了算法寻优结果的概率可信程度,在解决实际优化问题时为优化算法的选择和优化结果的选取提供有用的预测信息。如何在噪声环境下实现优化结果可概率估计的多极值点寻优,是本文的主要研究内容。论文的主要工作和研究成果包括:1.提出噪声环境下依概率多峰优化问题求解技术路线和优化算法的整体框架。分析六种常见噪声模型对目标函数和优化算法的影响,提出噪声环境下依概率求解多峰优化问题的解决方案和技术路线。优化算法框架包括全局策略、局部策略和甄别策略三部分,旨在解决噪声环境下依概率多极值点寻优的四个问题:保留多个极值点,跳出噪声局部最优,探索优化结果的依概率规律,极值点同峰检测。2.提出基于斐波那契原理的噪声环境多峰优化算法（FMO）。提出基于斐波那契原理的区域伸缩准则和全局/局部交替寻优的搜索机制,解决了噪声环境下的多极值点寻优的三个问题:保留多个极值点;跳出噪声引起的局部最优;明确极值点位置坐标。基于不同噪声环境下的35个基准函数进行优化实验,并与遗传算法和4种不同粒子群算法进行比较。实验结果表明,本文所提出的改进型斐波那契搜索策略具有较好的全局收敛性和抗噪声性能。FMO算法能够明确每个极值点对应的解向量,具有更好的稳定性和多极值点寻优性能。3.提出噪声环境下基于蒲丰距离的依概率多峰优化算法（PMB）。首次将蒲丰投针的定概率原理引入噪声环境中的优化问题,提出噪声环境下的蒲丰距离和极值分辨度概念,理论推导证明了二者与算法峰值检测率符合依概率关系。在全局范围内依据蒲丰距离划分搜索空间,使得算法的峰值检测率符合依概率关系,同时得以保留多个极值点所在的局部区域。基于34个测试函数,从依概率特性验证、寻优结果影响因素分析、多极值点寻优和多维函数寻优四个角度进行实验,并与改进型蝙蝠算法进行对比。实验结果表明,PMB算法的峰值检测率与蒲丰距离符合所推导的依概率关系,算法在噪声环境中可以依定概率更精确地定位多峰函数的多个极值点,具有良好的依概率寻优特性和多极值点寻优特性。4.提出基于改进同峰检测方法的噪声环境下依概率多峰优化算法（PMO）。提出基于采样定理的同峰检测方法,以解决噪声干扰下的极值点同峰检测问题。分析推导了函数最高频率分量与极值分辨度的关系,根据奈奎斯特采样定理设置合适的采样点间隔,从而捕捉函数的变化状态并对候选解的同峰状态进行判断,解决了真实极值点与噪声引起的局部最优的辨识问题。基于12个测试函数,从依概率收敛特性、多解优化特性以及同峰检测方法的有效性三个角度进行验证实验,并与改进型蝙蝠算法进行对比。实验结果表明,PMO算法具备依概率特性和多极值点优化特性,所提出的基于采样定理的同峰检测方法对于噪声环境下的同峰极值点判定行之有效。5.设计并实现了噪声环境下依概率多峰优化算法的实验平台,研究算法在实际工程问题中的应用。完成了噪声环境下依概率多峰优化算法实验平台的设计和实现,为算法的特性研究提供方便和统一的平台。将算法应用到捣固车道钉定位的磁力信号峰值检测、无线电频谱监测信号处理和数控加工制造的切削参数多方案优化三个生产实践优化问题中,取得了预期效果。针对噪声环境下多峰函数优化的不确定性问题,本文提出基于蒲丰原理的定概率空间划分策略、基于斐波那契原理的区域伸缩准则以及基于采样定理的同峰检测方法。以实现算法的依概率优化特性、多极值点优化特性和抗噪声性能为目标,从而为实际优化问题提供依概率的预测信息和多个解决方案。本文探索研究了噪声环境下优化问题的解决方法和途径,丰富了噪声条件下优化算法的理论研究和应用。