本文研究了三种全局优化算法并将它们应用子直流电机非线性系统模型辨识和TSP问题中，全局优化算法具有很强的搜索能力可以很容易跳出优化问题的局部极值，极大地提高了优化性能和搜索效率。本论文内容主要包括三种全局优化算法的工作原理和应用前景、基于遗传算法和单纯形法的直流电机非线性模型参数辨识、改进混沌优化算法及其在电机非线性模型参数辨识中的应用和混沌神经网络在TSP问题中的应用。 全局优化算法是随着组合优化问题等一批复杂优化问题的提出而逐渐涌现出来的，并在工程、管理等诸多领域得到广泛应用。本文前两章主要介绍全局优化算法的发展历史、特点、研究现状和研究前景，并且介绍三种具有代表性的全局优化算法，包括遗传算法、混沌优化算法和混沌神经网络优化算法。 对传统直流电机非线性模型进行参数辨识所存在的问题，第三章提出一种基于全局优化算法的菲线性系统参数辨识的方法，充分利用遗传算法的全局寻优特性和单纯形法快速的收敛性，通过获取充分激励的实际系统运行的输入输出数据，辨识出包括非线性摩擦力在内的直流电机所有的模型参数。获取系统实际运行的输入输出数据，分别验证电机运行于死区、饱和区和线性区时，辨识模型的精度。 针对传统混沌优化算法所存在的收敛速度慢、搜索精度不够高等问题，本文第四章提出一种基于最优点集的变尺度混沌优化策略，通过不断地缩小优化变量的搜索空间，逐渐提高搜索的精度，从而高效地搜索到优化问题的全局最优点，并将此改进算法应用于直流电机非线性系统参数辨识中，以验证这种算法的优化性能和效率。 TSP问题是著名的NP难题，对古典优化算法是一个极大的挑战，第五章系统分析混沌神经网络优化算法的工作原理和优化性能，比较Hopfield网络、混沌神经网络和改进混沌神经网络在优化方面的性能差异，最后将瞬态混沌神经网络应用于求解C-TSP问题。