随机规划是含有随机因素的一类不确定规划问题,它广泛存在于工程实际中。其传统的求解方法是针对某些具有特殊结构的随机规划问题,将其转化为确定性等价类,再用已有的确定性数学规划的理论去解决。另一种有效的方法是将随机仿真与智能算法相结合进行求解,其中以遗传算法最为成功。因此,将微粒群算法应用于随机规划问题的求解是值得研究的课题。 通过对随机规划问题中随机期望值、随机机会约束规划、随机相关机会规划等三个模型的分析,给出了用随机仿真来处理随机规划中的随机变量或随机函数的算法。在分析了随机规划模型的特点及微粒群算法的基础上,提出了随机仿真和微粒群算法相结合的随机规划算法框架,并根据随机规划模型的特点,具体地给出了将随机仿真和微粒群算法相结合求解随机期望值模型、随机机会约束规划、随机相关机会规划的算法,为随机规划的求解提供了一条新的途径,拓展了微粒群算法研究的应用领域并显示了其优势。为了提高求解随机规划问题的计算速度,本文对上述基本算法进行了改进：利用随机仿真产生训练样本,训练BP网络以逼近不确定函数,然后应用微粒群算法并以逼近不确定函数的神经元网络进行适应值估计,从而给出求解随机规划的混合智能算法,实验结果说明了算法的有效性。