分子动理论优化算法是一种拟物理规律优化算法,是以物理学中的分子热运动为理论基础,通过模拟分子间吸引排斥运动的计算智能技术。针对该算法存在的优缺点,已设计出多种策略以提高算法性能,如:精英协同进化策略、融合记忆机制和引入结晶原理等。得益于分子动理论优化算法理论基础的日渐丰富和完善,本文构建了风电场阵列布局的单、多目标优化模型,将所改进的算法应用于现实应用中,以高效求解风电场阵列布局方案。本文主要工作如下:(1)详细分析了分子动理论优化算法与其它算法的联系与区别,研究了本文所用算法的特色与潜力。探究了分子动理论优化算法的拓扑结构与群集现象,针对算法存在的优缺点,引入社会学中的弱连接理论以改进算法的拓扑结构,然后通过多子群协同进化策略和混沌扰动方法提高算法逃出局部最优能力,改进后的算法在单、多模态函数和偏移函数上都有较好的优化效果,特别是偏移函数的测试结果说明了改进后的算法能很好地克服原始算法拓扑结构的固有缺陷。(2)为使分子动理论优化算法能够解决多目标优化问题,提出基于分解和支配准则的多目标分子动理论优化算法。通过改进算法的拓扑结构巧妙地解决了算法更新公式中最优个体无法适应多目标优化的问题,构建基于分解的最优个体选择策略,接着利用支配准则使算法不断地迭代进化,从而使分解与支配准则优势互补。此算法很好地保留了原始算法的进化机制,在DTLZ和ZDT函数测试集上的测试结果表明了该算法能够很好地解决多目标优化问题。(3)对风电场阵列布局问题进行数学建模,构建基于尾流效应的风电场布局单、多目标函数。通过对连续的单目标函数进行离散化,使得风电场阵列布局优化问题的求解难度下降,然后使用改进后的单目标分子动理论优化算法进行求解。为了能够得到风电场阵列布局更多的较优方案,并使决策者兼顾风电场的功率输出和效率,设计了一种两目标的风电场阵列布局优化模型。该模型舍弃了基于坐标的风电场建模方法,采用更灵活的基于网格的风电场模型,然后将所提出的双准则多目标分子动理论优化算法用于求解多目标风电场阵列布局优化问题。