本文的主要内容是对粒子群优化算法及其改进算法进行研究,并对其在证券投资组合中的应用进行了一些分析和研究工作,对最优投资组合模型的求解提出了一种改进的粒子群优化算法。本文从应用角度出发,采用了多因素最优投资组合模型,该模型充分考虑了实际市场的实际因素,引入了无风险资产——银行存款,更适用于解决实际问题。本文针对基本粒子群优化算法的不足,提出了一种解空间缩进的粒子群优化算法(sssPSO),并对该算法的一些性质进行了讨论,然后根据最优投资组合模型的特点,即解向量各个分量的算数和必须恒为1,本文又提出了对解空间缩进粒子群优化算法的适应性改进,使其能够更好的解决投资组合优化问题。最后采集实际证券投资数据进行了数值模拟,利用解空间缩进粒子群优化算法对模型进行求解,数值模拟结果显示,与基本粒子群优化算法的相比,本文提出的解空间缩进粒子群优化算法能够有效的提高收敛速度以及收敛精度。