为了满足电站锅炉“高效低排”的运行要求,结合RBF神经网络,根据工况数据,分析了电站锅炉燃烧效率与NOx排放的矛盾关系,建立了以锅炉运行参数为输入,以锅炉NOx排放与热效率为输出的混合模型。以此为基础,针对现有粒子群优化算法研究成果,引入了适应度与随机数值比较选择的思想和相似度函数的概念,从而确保了粒子选择的多样性以及解集的分散性。为增强收敛效果,对算法的惯性权重进行了相应设计,使之随迭代次数逐渐减小,并加入权重因子,进而利用改进算法对不同测试函数进行了效果检验,表明了算法的有效性。最后将其应用于锅炉混合模型中,进行某工况多目标优化仿真,得到了不同目标要求下的燃烧组合,为电站锅炉多目标优化提供了技术支持。