粒子群优化算法是一种全局性的群智能优化算法。其收敛速度快,不需要被优化的问题具有连续、可微与可导的性质。算法简单高效,操作方便易于实现。本文通过大量的数值实验,探索连续实数域内粒子群算法的内在机理,简要分析了单维单粒子条件下算法的收敛性。从数值实验的结果中分析粒子群算法初始值的选取范围对算法性能的影响。针对进化中随种群多样性降低易出现早熟收敛这一问题,在粒子群算法中引入免疫克隆选择算法的思想,提出了基于克隆选择的免疫粒子群优化算法。本文还针对小生境粒子群优化技术中小生境半径等参数选取问题,提出了一种新颖的小生境方法,无须小生境半径等任何参数。而为了提高算法的寻优性能,本文提出在算法中引入停滞检测与干扰策略以及对粒子边界条件的操作进行改进,用数值实验证明了其有效性。并将提出的改进粒子群算法方案应用于最优化测井解释中,以此研究多参数、非线性最优化测井数据处理问题,将有限的取心分析数据使用到最优化解释的过程中,最后给出完整的包括质量控制与结果检验评价的优化结果。最后将改进的粒子群算法与标准的粒子群算法以及遗传算法同时应用于最优化测井解释中,比较了各种算法的收敛速度与精度,各算法的优化结果证明了本文对粒子群算法提出的改进策略具有较好的实际应用效果。