粒子群优化算法是近年来提出的一种简单而高效的进化算法，由于其算式简洁，受控参数少，易于编程实现，收敛速度快等优点，一经提出就得到了广泛的研究和应用.其利用群体的优势为寻找复杂问题的解决方案提供了新的思路，所以研究和掌握它的特性与规律，是一个具有理论和应用两个方面重要意义的课题.但是，作为一种比较新的和快速发展的智能算法，其在系统化和应用推广上都还存在一些急待解决的问题.本文详细阐述了粒子群优化算法的基本内容，在分析粒子群优化算法统一框架的基础上，对粒子群优化算法的改进方法做了一些研究工作，并在实验中进行了验证.本文的主要研究内容如下：　　 1.首先阐述了粒子群优化算法的研究背景及意义，并对粒子群优化算法的研究现状和应用进行了描述，其次对粒子群优化算法的原理进行了详细地阐述，分析了参数设置对算法优化效果的影响，给出了算法流程.　　 2.提出了一种调整惯性权重的粒子群优化算法.该算法对基本粒子群算法中的速度更新公式进行了改进，给出了粒子群算法中惯性权重的改进策略.通过对六个典型测试函数的实验表明，该算法提高了算法的搜索速度和计算精度，在很大程度上改善了标准粒子群算法的性能.　　 3.为了增强基本粒子群算法的全局搜索能力，从粒子群算法自身的搜索机理出发，提出一种带飞行时间的粒子群优化算法.该算法速度更新公式不仅考虑了粒子对本身的思考，还考虑了整个种群的平均信息，利用了更多的信息来调整自己的行为，其次采用动态自适应惯性权重使算法可根据粒子的适应度变化动态改变惯性权重，最后引入飞行时间，从而克服了由于传统粒子群算法固定粒子飞行时间而导致的粒子在进化后期搜索性能下降的问题.实验结果表明新算法是一种收敛速度快、求解精度高、鲁棒性较强的全局优化算法.　　 4.给出了求解混合整数规划问题的粒子群优化算法.该算法对粒子群的速度方程和位置方程进行改进，给出了违反搜索空间的处理策略，利用无约束双目标的方法求出问题的全局最优解，实验结果表明给出的算法是求解混合整数规划问题的有效算法.