粒子群算法(PSO)源于鸟群和鱼群群体运动行为的研究,是一种新的群智能优化算法,是进化计算领域中的一个新的分支。该算法相对于遗传算法简单容易实现,没有交叉和变异操作,收敛的速度快、设置参数少,近年来受到学术界的广泛重视,并得到了迅速的发展。作为群智能的典型代表,PSO算法已被证明是一种有效的全局优化方法,目前在函数优化、神经网络训练、模式分类、模糊系统控制等领域获得了广泛应用,并取得了较好的效果。尽管粒子群算法发展十年多时间,但无论是理论分析还是实践应用都尚未成熟,有大量的问题值得研究。本文围绕粒子群算法及其应用,就如何改进粒子群算法性能以及该算法应用领域的拓展进行了研究。本文的主要研究工作和创新点可归纳如下： 1) 针对粒子群算法求解高维多峰函数时易陷入局部最优点,收敛精度较差等缺点,提出了基于合理完全信息共享机制的粒子群算法。该算法一方面,将基本粒子群算法(BPSO)中粒子行为基于个体最优位置和种群最优位置变化为基于个体最优位置、种群最优位置和其余粒子的个体最优位置。另一方面,粒子根据适应值的大小来决定其余粒子个体最优信息的利用程度。这样,每个粒子利用了更多其它粒子的有用信息,加强了粒子之间的合作与竞争。6个基准测试函数的仿真试验表明了改进算法的有效性。 2)拓展了粒子群算法的应用领域。将其应用于解决水科学中,主要进行了以下三个方面的尝试：暴雨强度公式的参数优化；地下水位的动态分析；拟合水位流量关系等。获得了不错的效果,为今后该算法在这方面的应用奠定基础。