群智能算法的产生为求解优化问题提供了新的思路,同时也解决了工程技术领域的诸多实际问题。粒子群优化算法是一种经典的群智能算法,因其高效、参数少、易实现等优点被广泛关注,是群智能算法中的研究热点。中间结构层是复杂系统理论中的一种研究方法,它使系统具有层次性,便于研究者对系统中的不同部分进行独立观察与研究,属于一种广泛应用于理论学科的模块化和损害控制策略。由于粒子群优化算法(Particle Swarm Optimization,简称PSO)属于群智能算法,而群智能系统源于对真实复杂系统的模拟,因此,本文在粒子群算法中引入中间结构层,目的是使其更接近真实的复杂系统,从而增强系统的智能涌现、综合地提升算法的整体性能。本文的主要工作如下:1、通过对粒子群算法和复杂系统理论的分析和研究,提出了一种基于中间结构层的分层粒子群算法(LPSO),通过引入“集体”概念,构造了由不同集体组成的中间层,并根据集体的类型定义了相应的搜索策略。实验证明这种方法改善了粒子群算法结构单一、粒子多样性缺失的问题,有效抑制了算法的早熟收敛现象。2、为了进一步丰富中间结构层、增强粒子群系统的复杂系统特性,本文在LPSO算法的基础上提出了一种基于进化机制的分层粒子群算法(GLPSO),算法在中间结构层中加入了变异与交叉操作,其中变异操作加强了粒子的多样性,有利于粒子跳出局部极值、扩大粒子的搜索范围,而交叉操作有助于提升粒子的质量,从而获得更好的收敛速度与精度。最后通过实验证明这种策略显著提升了算法的综合性能。3、旅行商问题是典型的组合优化问题之一,当前粒子群算法在离散领域上的研究和应用还较少。因此,本文基于GLPSO算法,设计了一种求解TSP问题的离散型粒子群算法,并用TSPLIB标准库中的经典测试案例对算法进行了测试,测试结果说明这种算法更加高效、稳定、实用。