模糊规划是解决带有模糊参数规划问题的一种统一的优化理论,它可以很好的解决数学模型的约束检验和模糊目标不易转化为清晰等价类的问题。到目前为止,用于求解模糊规划问题的算法主要是遗传算法,但遗传算法操作复杂,计算量大且局部搜索能力差。而微粒群算法是一种高效的群体智能算法,具有深刻的生物学背景,计算速度快、算法容易实现。因此,将微粒群算法应用到模糊规划问题中将能有效的克服遗传算法的不足。 本文针对模糊规划问题,将微粒群算法与模糊模拟技术相结合,分别提出了针对模糊期望值模型、模糊机会约束规划模型和模糊相关机会规划模型的三种混合微粒群算法。在混合微粒群算法中,根据期望值模型、机会约束规划和相关机会规划准则,用模糊模拟技术分别对模糊变量的期望值、模糊变量的可信性测度进行模糊模拟,解决了混合算法中微粒的初始值和进化解的可行性问题,模糊约束函数转化为清晰等价式问题以及适应值函数的估计问题。给出了应用该算法求解相应模糊规划问题的具体步骤,并通过对实际模型的分析和数值求解,说明了该混合微粒群算法的合理性和有效性。最后,结合模糊车辆路径规划问题的特点,应用混合微粒群算法给出了具体求解算法,并对其微粒的编码、模糊约束的检验等问题进行探讨。仿真实验表明了混合微粒群算法在求解该问题上的有效性。