混沌是在非线性系统中普遍存在的现象,混沌运动具有对初值的高度敏感性、运动轨迹的遍历性和随机性等特点。在系统优化设计中,混沌的遍历性特点可以作为搜索过程中避免陷入局部极小的一种优化机制。混沌优化就是根据其遍历性和规律性特点采用混沌变量在一定范围内进行搜索,促使混沌变量的搜索跳出局部极小点,最终达到全局最优点。基于混沌理论的系统优化已经成为一种新颖的全局优化技术。目前基于混沌理论的优化方法研究大都集中在采用Logistic映射作为混沌搜索变量,这类方法对于搜索空间较小时效果显著,但当搜索空间大、搜索时间较长时,搜索效率显著降低。针对Logistic映射作为混沌变量存在搜索速度慢,和对混沌变量搜索空间变化非常敏感的问题,提出采用一维迭代混沌自映射作为混沌变量,仿真实例结果表明采用一维迭代混沌自映射作为混沌变量,易选取优化变量的搜索空间,提高了搜索速度和寻优精度。针对在寻优参数非常复杂且遍历空间很大的情况下导致基于Logistic映射的混沌优化算法寻优结果失败的问题,提出了一种引入基于模拟退火算法的时变参数z (t )的新型混沌优化算法,仿真实例结果表明该新型混沌优化算法在寻优参数复杂且遍历空间很大时仍能够寻到最优值,使得寻优成功。工业系统普遍采用的PID控制器的控制效果与控制器参数的选择有很大关系,而PID参数的整定是一项十分繁琐的工作。传统的整定方法基本是一种基于经验的方法,并非最优解,而且通常需要在线整定,计算量大。本文在所提出的新型混沌优化算法基础上,重点研究了PID控制器的参数整定问题,给出了基于新型混沌优化算法的PID控制器参数整定的具体步骤,进行了仿真研究,验证了新型混沌搜索优化算法具有稳定、超调小、调节时间短、控制精度高的优点。将所提出的新型算法与基于Logistic映射的混沌优化算法进行了比较,新型算法在搜索速度和稳定性方面均优于基于Logistic映射的混沌优化算法。