在当今社会科学技术不断飞速前进的大环境中,人工智能一直是计算机领域的学者们看重的前沿学科之一。而随着理论研究与技术实践的持续推进与发展,人工智能已经由当初的美好理想和模糊的概念,在人类智慧的不断开拓与时间积累中,逐渐走进了我们的日常生活。而作为其核心的人工智能算法,则一直是从事人工智能研究开发的学者们所关心的重中之重。人工智能算法在处理各类优化问题时有着传统优化方法所不具备的优势。本文在目前研究较为成熟的各类智能优化算法中选取了PSO粒子群算法作为重点研究对象,对于其基本结构与机能进行探讨,并对于算法模型进行改造,使其适应性更强,算法性能更优。在这一部分工作中,本文首先对PSO粒子群算法的原始结构进行分析,指出其中的不足并提出相应的建议。然后基于这些不足对算法模型进行增改,改善其收敛过慢以及某些情况下早熟收敛的情况。之后对算法的性能进行一些测试来验证算法的性能。随后本文选取电力系统潮流计算中的优化问题进行研究,首先对现有的优化潮流计算中涉及的优化算法进行分析,指出其优势与缺点。并选取电力系统潮流计算中的优化问题,将经过改进的PSO算法应用到这些优化问题中去,来验证PSO算法在优化潮流计算中的应用是切实可行的。通过本文的研究可以得到如下结论：针对基本粒子群算法中存在的一些不足与缺陷,本文提出的改进型基本粒子群优化算法通过可变惯性权重来调整粒子群在不同搜索阶段的寻优能力以及通过变异操作来改善基本粒子群算法跳出局部最优值能力不足的问题,并通过两个实际算例验证了本文所提出的算法具有很强的可行性,同时有效提升了粒子群算法的综合性能并扩大了算法适用范围。