粒子群优化算法（PSO）因其在解决最优化问题所表现出的简单易懂、收敛快以及强大的全局搜索能力而受到了广泛关注。然而,该算法在运行过程中容易陷入局部最优。人们在解决该问题时,通常会在现有算法的基础上增加新的策略,而新的策略在解决局部最优的同时极有可能会影响算法的收敛速度。因此,本文针对算法的缺陷,提出两种改进算法,其中一种算法侧重于研究种群的搜索空间大小,以便于提高算法的收敛速度。另一种算法则是在第一种算法基础上增加新的策略,在保持其收敛速度的前提下提高收敛精度。本文的工作与创新如下:（1）提出了一种基于离子的粒子群优化算法（IONPSO）。算法结合离子的思想,将种群中的个体设想成带有正电荷或负电荷的离子,从而利用个体间的作用力来影响种群中粒子的运动轨迹。在种群中,带有相同电荷的粒子之间存在排斥力,不同电荷粒子之间存在吸引力,通过粒子之间力的作用来阻止种群中的粒子在演化过程中聚集在一起,从而提高或保持种群的搜索空间多样性,提高算法的收敛速度。在测试函数上进行多次独立重复实验以及和本文选择的对比算法对比分析,结果显示IONPSO算法较其他对比算法在收敛速度上有了很大的提高,并减少了种群陷入局部最优的可能性。（2）提出了一种多分组的离子群优化算法（MIONPSO）。针对算法精度问题,本算法在引入离子思想的基础上,增加多分组和删除机制两种新的策略。首先利用粒子之间的作用力来保持种群搜索空间的多样性,然后,利用组内最优位置引导个体移动,使个体的更新更具有目标性。最后,算法结合删除机制在种群的演化过程中删除在特定周期内没有更新其历史最优位置的无用粒子,以减少无用粒子对整个演化进程的影响。实验表明,算法在保持收敛速度的前提下改善了算法精度。本文选取生产系统中模糊非线性规划问题对所提出的算法进行应用分析,以此来证明算法在实际应用中的可行性。通过采用MIONPSO并设置合理的参数,寻找该问题的最佳方案,本算法在解决生产系统中模糊非线性问题中取得了很好的效果。