知识融合算法是知识融合的核心部分，其目的是将多个知识库进行融合，形成新知识库。在人类认知的世界和各应用领域中，很多概念是模糊不清的，不再是精确表示的。模糊知识融合算法过程一般包含三部分：模糊知识库编码，融合算法和融合知识库的评估。很多学者认为融合多个模糊知识库是一个多目标最优化的问题，于是基于群体智能优化算法的模糊知识融合迅速发展起来。用粒子群优化方法可有效地将多个模糊知识库进行融合。但由于粒子群优化算法本身容易陷入局部最优，且数据库规模不同，在某些复杂应用领域，该融合算法迭代次数多，算法效率不理想。　　本文首先将线性递减惯性因子粒子群优化方法用在模糊知识领域，从实验可以看出该方法改善了传统粒子群优化算法融合模糊规则库容易陷入局部最优的缺点。　　对于复杂应用领域问题，单个粒子群优化算法可能搜寻不到满意解。本文将人工鱼群和粒子群方法相结合，取长补短，并用数学测试验证该方法有良好的效能，最后将混合粒子群优化算法用于融合模糊知识库，从实验看出用混合粒子群优化算法融合模糊知识库可得到准确率更高的知识库。　　在基于改进型混合粒子群优化算法的模糊知识融合过程中，由于同一个模糊集合可由多个隶属函数表示，采用最小模糊熵方法确定隶属函数；在模糊知识编码阶段，用正整数将每条规则编码成一个粒子，不仅缩短粒子维度，且提高算法效率。从实验中可以看出，用混合粒子群优化算法得到的融合模糊知识库拥有更高的准确率，达到了很好的融合效果。