在没有集中控制且不提供全局模型的前提下,微粒群算法为寻找复杂的分布式问题求解提供了一种途径。对微粒群算法研究的关键性问题有两个:第一,在保证同样的搜索精度时达到更快的收敛速度,在具有相近的收敛速度时提高搜索精度;第二,基于此算法研究合理有效的实际问题求解方法,并通过对实际问题的求解来促进算法的研究。首先,论文针对微粒群算法的第一个问题作了一些研究。由于算法收敛过程易于停滞、收敛精度较差和收敛效率较低等缺点,提出了相应的改进微粒群算法,包括:基于非线性S函数调参策略的改进微粒群算法、嵌入隔离小生境技术的混沌微粒群算法、食物信息有限传递的微粒群算法以及基于多智能体思想的PSO算法速度上限调整策略研究。随后,针对第二个问题,进行了重点地研究。将改进的微粒群算法应用于智能交通和移动传感器网络方面。对不同的实际问题进行抽象、简化和建模后,得到相应的离散时间或连续时间模型,智能交通中交通灯周期的控制方案以及传感器网络中节点自组织的一些问题也转化为相应的优化问题,采用微粒群算法对问题进行求解,以便获得高效优化的实现方案。研究的主要结论如下:(1)论文提出的用非线性S函数对微粒群算法中的参数进行非线性自适应调整,在解的全局搜索能力上,要比使用线性调参策略的方法好,前者寻优过程陷入局部极值的次数比后者最大降低63%。(2)论文提出的嵌入隔离小生境技术的混沌微粒群算法能够保证了解的多样性,避免早熟收敛,并且能够在最优解附近进行精细的遍历搜索,提高解的搜索精度和收敛速度,与标准粒子群算法和只嵌入隔离小生境技术的粒子群算法相比,嵌入隔离小生境技术的混沌粒子群算法对复杂问题求解能力较强。(3)论文提出的食物信息有限传递的微粒群算法,在解决高维的优化问题上取得了较好效果。(4)探索性的用多智能体的思想来解释微粒群算法的行为,提出了基于Multi-Agent思想的粒子速度上限调整策略,保证了解的局部搜索和全局搜索能力,寻优效率较高。(5)应用微粒群算法解决智能交通中交通灯的控制周期问题,能够在不增加道路等现有交通设施和不限制车辆的条件下,尽可能的提高道路的通行能力,减少交通堵塞现象的发生,形成真正意义上的“绿波带”。保障城市有一个安全、畅通的交通环境,提高交通和社会效率。(6)微粒群算法应用于传感器节点的自组织布置方面,能够改善布置效果,提高布置效率。