1995年由Kennedy与Eberhart提出微粒群优化算法PSO后。因为算法可调参数少，算法简易，得到了广泛应用。1998年P.J.Angeline提出了一种嵌入进化计算中的选择操作的改进PSO模型。M.Lovbjerg等在2001年提出将进化算法中的交叉操作引入PSO的HPSO模型。B.Ye等在2005年提出PSO算法中引入演化策略变异操作算子新型混合算法EPPSO算法。

L.L.Li等在2006年基于模拟退火算法提出了PSOSA算法。高鹰等在2004年结合免疫算法提出了免疫PSO算法。C.F Juang在2004年提出了一种基于遗传算法与PSO算法的混合算法。

     除了上述将PSO算法与其他启发式计算方法（遗传算法、进化策略、模拟退火等）相结合之外，还有很多与其他经典优化技术相结合的混合方法。57938

K.E.Parsopoulos等在2004提出将拉伸技术用于PSO最小化问题的求解，以避免陷入局部最小值的优化，这种模型称为SPSO（Sterching PSO）。2004年王俊伟等通过引入梯度信息来影响粒子速度的更新，构造了一种带有梯度加速的PSO算法。余欢军等在2005年提出将Hooke-Jeeves模式搜索方法嵌入PSO算法中，此外，在搜索过程中还加入了变异操作。国内外学者又针对PSO算法进行了改进，取长补短，之后应用到许多领域。

水平和发展趋势

      在PSO的改进方面，首先是由Kennedy和Eberhart在1997年提出的二进制PSO，该方法可用于神经网络的结构优化；其次，为了提高算法的收敛性，Shi和Eberhart于1998年对PSO的速度项引入了惯性权重，并提出在进化过程中动态调整惯性权重以平衡收敛的全局性和收敛速度论文网，该进化方程已被相关学者称为标准微粒群算法110J。2001年，Shi又提出了自适应模糊调节惯性权重的PSO，在对单峰函数的处理中取得了良好的效果，但无法推广。Clerc于1999年在进化方程中引入收缩因子以保证算法的收敛性，同时使得速度的限制放松。有关学者已通过代数方法对此进行了详细的算法分析，并提出了参数选择的指导性建议，同年，Angeline借鉴进化计算中的选择概念，将其引入PSO中，通过比较各微粒的适应值淘汰差的微粒，而将具有高适应值的微粒进行复制以产生等额的微粒来提高算法的收敛性。而Lovbjerg等人进一步将进化计算机制应用于PSO，如复制，交叉等，给出了交叉的具体形式，通过仿真实验说明了算法的有效性。

Lovbjerg等人在2001年提出子种群遗传算法的概念，提出的PSO同时传播算子的子集的信息交流。伯格还提出了协同PSO（2001年）基本的想法是使用粒子群N分别独立研究在不同尺寸的搜索空间中。D目标方向的尺寸。提出了基于高应等于2004 PS0114l模拟退火PSO和免疫。Higashi等人分别提出了变异PSO算法，其基本思想是通过引入变异算子的吸引力，提高算法的全局搜索能力的极端的地方获得高的成功率的研究。除了上述PSO，又出现了，PS0耗散，量子PSO，PSO和混合自适应PSO的改进算法，并和基于梯度的优化方法相结合的PSO