脑电溯源问题是从给定的头皮脑电位分布推算出脑内神经活动源的信息，脑电溯源问题具有优化算法的重要性和适定化的困难性，如何设计一种有效的学习算法能够在合理的时间内得出满意的结果呢？针对这一情况，本文将几种常用的智能优化计算方法，如遗传算法、粒子群优化算法、模拟退火算法、改进的遗传算法、粒子群结合遗传算法应用于脑电溯源问题中，并通过相关的仿真实验对其结果进行了比较，验证了粒子群结合遗传算法求解脑电溯源问题的有效性。　　 首先，本文回顾了脑电逆问题的研究动态，旨在探讨在脑电溯源问题中的非线性全局优化方法的改进。其次，研究了遗传算法、改进的遗传算法、模拟退火算法、粒子群结合遗传算法的基本设计原理，并分别用来解决一个复杂的多峰值函数问题，通过仿真实验验证了各个算法的良好性。以上述仿真实验为基础，将几种算法应用于脑电溯源问题中，文中采用单偶极子模型、双偶极子模型和三偶极子模型进行仿真实验，对比仿真实验结果，发现粒子群结合遗传算法在解决脑电溯源问题方面运算速度和防止局部最优的性能都比其他的全局优化算法有较大的提高。　　 最后，将脑电正问题理论知识和脑电逆问题的优化方法进行结合，开发了一个脑电溯源问题中优化算法的仿真平台，该平台可以根据用户的需要显示单偶极子、双偶极子、三偶极子的等效电势图和等位线图，利用该平台可以对任意的单偶极子、双偶极子、三偶极子进行良好的定位。