20世纪以来，群体智能的诞生使优化领域得到了很大的发展，学者在研究生物群体行为时候得到了启示，提出了许多基于群体智能的算法，微粒群优化算法就是其中的一种。它是一种基于群体搜索策略的自适应随机算法，由于算法简单、参数较少、实现简单的特点，因此该算法被提出后得到了国内外许多学者的关注，逐渐成为一个新的研究热点。已经广泛应用于神经网络、函数优化、参数优化、数据挖掘、图像处理、信号处理、模式识别等领域并取得了良好的效果，有着广阔的应用前景。 本文的主要工作总结归纳为以下几方面： 首先，对微粒群优化算法的理论基础和研究现状作了简要的介绍，分析了粒子群优化算法的原理、算法流程以及算法的特点，对算法参数的选择做了详细的研究，并进行了相应的仿真实验。 其次，针对标准微粒群算法收敛速度较慢、收敛精度低、易陷入局部最优的问题，将方差聚集的思想、平均极值、停滞变异策略等引入了微粒群优化算法，用方差聚集思想改进现有的参数，根据粒子的自适应度值进行排序。通过控制惯性权重因子大小，使同一代中的粒子具有不同的惯性权重因子值，因此每个粒子具有不同的更新公式，将平均极值引入和变异策略引入是为了增加了粒子的多样性，增强微粒群优化算法计算后期的全局寻优能力。通过仿真实验，验证了优化后的算法具有良好的全局寻优能力和收敛速度。 再次，将改进后的微粒群优化算法应用到矢量量化码书设计当中。在分析了码书设计中经典算法LBG的性能之后，通过仿真实验说明了LBG算法的缺点，包括对初始码书敏感和容易陷入局部最优。因此将本文的改进算法引入，利用微粒群优化算法的全局寻优能力来改进LBG算法的缺点。本文研究了基于码书和基于划分的两种微粒群码书设计方式。通过仿真实验，用改进算法优化的LBG算法计算的码书，不仅性能得到了提高，算法的稳定性也增强了。降低了算法对初始码书的依赖程度。