粒子群优化算法(Particle Swarm Optimization，PSO)是1995年Kenndy和Eberhart提出的，源于对鸟群运动行为的研究，是一种基于群智能优化算法的演化计算技术。由于它的较强的全局搜索能力，较少的参数设置，简单容易实现，所以从一提出，就引起了许多学者的关注，并得到了迅速的发展，并被应用到了各个领域，如函数优化、神经网络训练、模糊系统控制以及其他遗传算法的应用领域。 本文的主要研究成果与贡献如下： 1) 简要的回顾了群集智能算法理论产生的背景。总结了三种群集智能算法—蚁群算法、粒子群算法、人工鱼群算法的基本理论和发展现状。 2) 对于粒子群算法进行了详细的分析。粒子群优化算法是一种新兴的仿生学算法，在介绍了原始的PSO算法的基本原理、数学描述、算法参数和流程的基础上，又介绍了标准的PSO算法。 3) 通过对十年来粒子群改进算法的研究，提出了四种改进思路，并介绍了几个典型的改进模型。 4) 提出了一种引入平均极值的改进的粒子群算法(MPSO)，使得粒子在进化的过程中追随个体极值、平均极值、全局极值三个极值，与标准的粒子群算法相比，该算法在避免过早的陷入局部最优等方面有比较好的效果。