粒子群优化算法(Particleswarmoptimization，PSO)是一种源于对鸟群捕食行为研究的一种进化计算技术(evolutionarycomputation)，是一种新的群体智能进化技术。本文首先介绍了遗传算法、蚁群算法、粒子群算法等，然后重点对粒子群算法的原理以及研究的现状进行系统的介绍，并与其他的进化算法进行了比较。同时详细的讨论了目前改进粒子群算法的一些方向。将粒子群算法主要用于连续函数优化进化技术应用到离散空间优化问题，尤其是非数值优化问题也成为一个重要研究方向。针对粒子群算法目前应用的局限，本文的工作主要是将粒子群算法用于组合优化，生产调度等问题的研究，并进行了一系列的试验。在吸收其它优化算法的基础上提出混合粒子群算法改进基本粒子群算法的收敛性，并在试验中验证了算法的可行性和有效性。本文的研究工作与创新主要如下：给出0/1背包问题的粒子群算法进化公式，利用粒子群算法解决组合优化中0/1背包问题。提出一种粒子群算法和禁忌搜索混合优化结构，并将混合粒子群算法应用于车辆路径问题，进行试验测试明显提高算法的收敛性。根据粒子群算法进化的本质，结合遗传算法、禁忌搜索的思想提出在离散空间粒子群进化方式，利用该方式解决Job-Shop的算法。对问题进行测试取得较好的效果，扩展了离散PSO的应用。