本文在深入分析粒子群算法的缺陷及成因的基础上,引入了云理论、人工鱼算法,并提出扩张变异算子等方法,对粒子群算法进行改进,来提高算法的收敛速度和精度,有效克服了算法易陷于局部最优的缺点。本文主要工作包括:①、提出一种基于扩张变异方法的云自适应粒子群算法,该算法采用扩张变异方法进行变异,可避免因多维而多变量引起多因素的干扰,加快搜索速度。该算法保持了算法结构简单的特点,改善了算法的全局寻优能力,提高了算法的收敛速度和计算精度。②、将一定规模的粒子群平分成三个子群,并分别按基本粒子优化算法、ω自线性调整策略的粒子群算法和云自适应粒子群算法三种不同规则进化,既保持各个子群和算法的独立性和优越性,又不增加算法的复杂性,并提出“超社会”部分,重新定义了速度更换式子,同时还引入了扩张变异方法和扰动操作。实验仿真结果表明,新算法的全局搜索能力、收敛速度,精度和稳定性均有了显著提高。③、提出一种基于粒子群的人工鱼群混合优化算法,该算法利用人工鱼群算法的全局收敛性和粒子群算法的易实现性、局部快速收敛性,提出了基于人工鱼群的粒子群混合优化算法,并用于求解具有变量边界约束的非线性的复杂函数最优化问题和求解复杂化学方程根的问题。仿真结果表明,混合粒子群算法不仅具有较好的全局收敛性能,而且具有较快的收敛速度。