现代密码学理论和密码技术是信息安全领域的重要基础。在信息时代的今天,随着网络和通信技术的高速发展和广泛应用,越来越多的信息在网络上传输,信息的安全与保护问题显得愈发重要。分组密码是密码学的一个重要分支,它具有速度快、易于标准化和便于软硬件实现等特点,通常是信息与网络安全中实现数据加密、数字签名、认证及密钥管理的核心体制。而S盒是许多分组密码算法中的唯一非线性部件,因此,它的密码强度决定了整个分组密码算法的安全强度。使用传统的数学方法来解决密码学和信息安全中的问题难以获得较好的全局效果,近年来仿生智能优化算法已经在经典的NP-C等问题的求解和实际应用中表现出强大的生命力,并且具有较好的全局性能。目前,应用于S盒设计较为先进的算法是遗传算法。但是遗传算法具有模式收敛性质,容易出现早熟现象,因而影响到其优化效果。粒子群算法由于其粒子具有记忆性,所以可以很好的避免局部最优,增加收敛速度,可以有效的减少计算时间。因此本文深入研究了改变惯性权重的粒子群算法,并用其解决S盒优化设计问题。本文提出利用改变惯性权重的粒子群算法优化S盒,通过调整社会因子、学习因子和惯性权重参数设置避免了粒子群算法初期易出现早熟、迭代后期收敛速度变慢等问题,并可以根据不同的应用需要控制粒子群算法的收敛速度,从而得到更精确的优化结果。通过与其他S盒设计方法进行比较,实验证明粒子群算法设计的S盒可以增强抗密码分析能力,提高密码强度,并能设计出大量密码性能较好的S盒,并且与遗传算法相比可以大大减少S盒设计时间,提高设计效率。本文将改变惯性权重的粒子群算法设计的S盒结果应用于图像加密领域中,通过明文图和加密图结果、密钥敏感性分析、明文与加密图直方图比较、明文敏感性分析等几方面验证了本文设计的S盒可以有效的应用于实际加密当中,具有较好的推广价值。