粒子群优化算法是基于群体智能理论的优化算法。该算法利用生物群体内个体的合作与竞争等复杂性行为产生群体智能,并为工程优化问题提供高效的解决方法。本文主要研究了粒子群优化算法及其若干工程应用包括神经网络训练、切削参数优化、旅行商问题及作业车间调度问题,并给出了以上应用的实际工程优化前景。首先,系统地介绍了粒子群优化算法,归纳了其发展过程中的各种改进。总结了粒子群优化算法的基本应用,并概述了其在工程优化领域的应用。其次,研究了粒子群优化算法在神经网络训练中的应用,提出了基于粒子群优化的神经网络训练算法―SPSO。该算法在训练神经网络权值的同时优化其连接结构,删除冗余连接,部分消除了冗余参数及相应冗余连接结构对神经网络性能的影响,使神经网络获得与模式分类问题匹配的信息处理能力。随后,研究了粒子群优化算法在切削参数优化中的应用。提出了适合粒子群优化机理的约束处理,并通过与直接搜索算法的混合,加强了粒子群优化算法的局部搜索能力。通过单工序铣削加工实例验证了该方法的有效性。该约束优化方法可用于解决任何可建模为非线性规划模型的工程优化问题。然后,研究了广义粒子群优化模型及其在旅行商问题的应用。论文针对粒子群优化算法产生至今一直未能有效应用到离散以及组合优化领域的缺陷,深入分析了其优化机理,突破传统的速度-位移搜索模型,提出了广义粒子群优化模型。以旅行商问题(TSP)为例给出了算法的具体实现,并通过标准测试问题验证了算法的有效性。最后,研究了基于粒子群优化的作业车间调度。论文分析了传统粒子群优化算法信息共享机制的局限性,提出了新的基于种群的元启发式算法的信息共享机制,该机制可实现与基于种群的元启发式算法的融合。论文使用标准作业车间调度测试问题验证该信息共享机制的有效性。