粒子群优化（ParticleSwarmOptimization,简称PSO）作为群体智能优化算法最新的实现模式之一，具有概念简明、参数少和优化性能良好等特点，已成为近年来新兴的优化方法，受到了广泛的关注。但是，PSO研究也存在亟需解决的问题，首先在PSO优化过程中容易出现早期收敛或停滞的现象，这主要是由于在PSO进化的后期种群多样性的匮乏，无法促使种群进化发展；其次，粒子通常保持自身经验和群体共享经验两种信息的搜索引导模式，目前PSO模型对这两种信息采用了独立随机加权的加工方式，这种信息加工方式是否利于算法的优化性能是一直未被解决的问题；此外，PSO虽然概念简明，但是缺乏对信息加工机制的研究，无法为算法性能的改善提供理论的依据。本书针对上述问题给出理论分析和新的优化模型。