混沌是非线性确定性系统所产生的类似随机的运动，研究表明混沌序列具有遍历性、非周期性、随机性等特性。由于混沌序列的这些特性，我们可以将混沌序列引入到优化领域中。自李兵将混沌序列应用到优化领域以来，取得了较快的发展。然而大多数的混沌序列都局限于用Logistic映射产生，由于Logistic映射所产生序列极不均匀，因此大大地浪费了计算的时间。本文对Logistic映射、立方映射和逻辑自映射进行了比较，并分析了他们的混沌特性。 传统的优化算法能够很好地解决单极点的优化问题，但对于多极点的优化问题往往很难达到令人满意的结果；而混沌优化算法在解决多极点的优化问题时能够体现出它的优势。本文对传统的优化算法和混沌优化算法进行比较，并采用了实例分析，最后得出：在解决多极点的优化问题时，混沌优化算法明显优于传统的优化算法。 TSP问题即旅行商问题，它求解旅行者经过N个城市当且仅当一次并回到原处时所走的最小距离。本文将TSP问题转化为矩阵来分析，通过矩阵行的交换，最终求出最优的路径；而具体是怎样交换，完全由混沌序列来确定。由于混沌具有随机性，TSP问题可能很快达到最优解；由于混沌具有遍历性，TSP问题总是能够达到最优解。可见，选用混沌序列来求解TSP问题，是具有可行性的。