自然科学、经济学和工程技术等许多最新成果都依赖于优化问题的数值技术，从而使得优化问题到广泛的关注。近年来，许多新的智能优化算法不断被提出，在求解优化问题方面，取得较好效果，但在实际应用中发现这些方法都存在着不足，主要弊端是算法在变量较少时，求解效果很好，但当变量数目增大时，却难以收敛到全局最优并容易产生早熟现象，从而影响求解精度和效率。　　 竞选是竞选人通过一系列竞选活动以获得最大的支持，而优化是从问题的众多可行解中寻找出最优解，两者在过程上存在着一定的相似性。本文研究的具有原创性的竞选算法(Election-Survey Algorithm，简称ESA)，正是借鉴人类竞选活动中蕴涵的优化思想、搜索机制模拟竞选活动中竞选人对最高支持率的追求动机而建立的一种全新的现代启发式优化算法。在竞选活动中，竞选人希望到达全体选民中具有最高威望的地点；在优化问题中，总是希望找到全局最优解，所以在建立的竞选算法中，将解空间想象成选民，将当前解想象成竞选人。选民，即可行解所对应的函数值称为选民的威望，竞选人，即当前解所对应的函数值称为竞选人的威望。　　 本文根据竞选算法的机理，建立了竞选算法的寻优过程和基本实现技术，对算法的寻优性能进行分析，并对其在全局优化问题的应用进行研究，以验证竞选算法在求解全局优化问题时的可行性和有效性，并期望能在得到较高精度的全局最优解的同时能有较快的全局搜索速度。　　 本文主要研究结论如下：　　 1.通过分析人类竞选活动中的竞选机制，建立了竞选算法的基本实现步骤，并从理论上对竞选算法在全局范围内的收敛性进行了分析。为了验证算法的可行性和有效性，采用大量标准的测试函数对算法进行测试，结果表明，竞选算法能在比较少的迭代次数内全部搜索到函数优化问题的全局最优解。在搜索过程中，算法无需函数的导数、微分等知识，具有适用范围广和稳定性好等优点。　　 2.为了方便算法的应用，使其具有实用性，运用Matlab语言编程实现算法的各种操作，建立了基于Matlab7.1的竞选算法求解工具箱。一维和多维典型函数优化问题的测试进一步表明，竞选算法能够快速收敛于全局最优解，并具有较好的稳定性；同时表明，开发的竞选优化算法工具箱结构简单、运行快，只要根据具体的优化问题，给出目标函数和参数集，并对算法的控制参数进行合理的设置，就能够求出问题的全局优化解，是一个通用有效的优化工具。　　 3.提出了采用在线性能评估准则和离线性能评估准则评价竞选算法用于数值优化问题时的性能评价准则。通过对标准测试函数的数值优化实验，分析了竞选算法的参数与算法性能之间的关系。通过每次改变竞选算法的一个参数，研究对算法在线性能和离线性能的影响，为竞选算法实际应用时参数选择提供依据。基于标准测试函数的数值优化实验结果表明，通过控制参数的改变，可改善竞选算法的在线性能和离线性能，即可改善算法的寻优性能和搜索效率。　　 4.针对非线性方程组的求解在工程优化上具有广泛的实际意义，经典的数值求解方法存在其收敛性依赖于初值而实际计算中初值难确定的问题，将复杂非线性方程组的求解问题转化为函数优化问题，引入竞选优化算法进行求解。同时竞选优化算法求解时无需关心方程组的具体形式，可方便求解几何约束问题。通过对典型非线性测试方程组和几何约束问题实例的求解，结果表明了竞选优化算法具有较高的精确性和收敛性，是应用于非线性方程组求解的一种可行和有效的算法。　　 5.对于非线性约束优化问题，在详细分析了各种约束条件处理方法的基础上，将竞选算法与动态惩罚函数法结合用于非线性约束优化问题，以验证竞选算法求解非线性约束优化问题的可行性。非线性约束优化问题测试函数和经典工程优化设计问题算例结果证明，竞选算法能很快搜索到全局最优解；机械工程优化设计实例结果表明，相对于常规优化算法，竞选算法使减速器体积减小24.3％，相比于遗传算法，体积减小3％；从而表明竞选算法在非线性约束优化问题中具有较好的优化求解效果。　　 6.对两个机械设计实例，介绍了传统优化算法的求解方法。采用竞选算法进行优化设计，比较了竞选算法和传统机械优化算法两者间求解方式上的特点，并就竞选算法与传统优化算法间的求解结果进行了比较。结果表明，竞选算法是一种非常有效的机械优化算法。