微粒群算法是一种新型的、基于迭代的进化计算方法。自上世纪九十年代出现以来,由于其具有较少的参数调整以及算法简单易实现等优点,获得了国内外学者的关注和研究,它和遗传算法有相似之处,都是智能化的计算方法。遗传算法因其固有的优点,自从上世纪七十年代出现以后就受到了广泛的关注和研究。遗传算法这个经典的智能化优化算法经过多年的研究和应用,其理论已经比较完善,并且已在多个领域获得应用,取得了良好的效果。本文分别讨论了微粒群算法和遗传算法的基本原理、流程和优缺点,在对微粒群算法和遗传算法的深入探讨后,提出了微粒群遗传混合算法。该混合算法以微粒群算法为主体,对参数进行优化。同时,为了避免由于算法初期产生微粒的随机性而消耗资源,也为了加快收敛速度,引进了摒弃因子。在对微粒根据适应度值排序之后,通过动态的摒弃因子,把适应度值较小的微粒抛弃。同时采用遗传算子来改良微粒的适应度,又结合所要解决的实际问题采用十进制编码方式,减小了时间开销。本文对该混合算法的可行性和有效性进行了理论分析,通过对六个标准测试函数的测试,并把该混合算法的结果和标准遗传算法和微粒群算法进行比较,经由直观对比和分析,表明了该混合算法的有效性。然后,结合当前图像增强处理方面的问题,把该算法应用于基于Beta函数的灰度图像增强,对增强前后的图像及其对应的直方图的对比,可以看出增强效果比较明显。