粒子群优化算法是1995年提出的一种较为新颖的智能优化算法,同时具有迭代进化和群体智能的特点。粒子群算法的优化原理并不是像遗传算法那样依靠个体的进化来实现优化,而是通过模拟生物群体的社会行为来进行优化的智能优化算法。本文针对基本粒子群算法对高维函数适应性较差,跳出局部最优的能力不足,以及对于复杂函数的优化不稳定的缺陷,提出了一种全新的基于网格优化的粒子群算法。新算法将网格划分的思想融入到基本粒子群算法之中,将待优化函数的定义域划分成若干的子区间,并且通过比较适值找到最优解所在的子区间,然后再根据此子区间位置进行定义域的缩减。同时也对于粒子群算法的更新公式进行改进。实验结果表明基于网格优化粒子群算法对于高维函数具有较强的适应力,大大提高了原有算法的全局寻优能力,而且在一定程度之L加快了寻优速度。本文同时对线性递减惯性权重粒子群算法和带有收缩因子粒子群两种应用最广的算法进行类似改进,并且都取得了令人满意的改进效果。