近来,人们发现专注于单独使用一种算法具有非常大的局限性,如果将元启发式算法与其他优化技术或元启发式算法之间有效结合,即混合元启发式算法,能够更加有效、更加灵活的处理实际问题。本文将粒子群算法与其他技术相结合提出了几种求解规划、聚类和调度问题的混合粒子群算法,并将这些算法与已知的算法进行了比较分析。针对单目标规划问题,将粒子群算法与微分进化算法相结合,提出了一种求解单目标非线性规划问题混合算法DE-PSO;针对多目标规划问题,将传统求解多目标规划问题的分解技术结合到粒子群算中,提出了MCPSO算法。针对聚类问题,将经典的K均值算法引入到粒子群算法中,提出了求解分割聚类问题PKPSO算法和求解动态聚类问题的DKPSO算法。针对流水车间作业调度问题,通过将局部搜索策略、遗传操作及退火策略结合到粒子群算法中,提出了求解单目标流水车间调度问题的SADPSO算法、HPGA算法、AHPSO算法及ATPPSO算法;针对多目标流水车间作业调度问题,将传统求解多目标规划问题的分解技术结合到粒子群算中,提出了MDPSO算法。混合元启发式算法是一个非常新的研究领域,目前对此领域的研究还尚处于初级阶段,本文的研究工作能够对该领域的研究起到促进作用。此外,还为求解这些实际问题提供了几种新的手段。因此,具有一定理论意义和实际价值。