20世纪80年代，群体智能算法作为一种新兴的演化计算技术已成为越来越多研究者关注的焦点，群体智能的概念源于对蜜蜂、蚂蚁、人雁等群居生物群体行为的观察和研究。通常将这样一种模拟群居性生物中的集体智能行为的智能计算或优化方法称为群体智能算法。微粒群优化算法是…一种新型的群体智能算法，源于对鸟群捕食行为的研究，与遗传算法类似是一种基于迭代的优化技术。系统初始化为一组随机解，通过迭代搜寻最优值。目前微粒群算法已广泛应用于函数优化、神经网络训练、数据挖掘、模糊系统控制以及其他的应用领域。 本文从微粒群算法的三种模型出发，在此基础上埘其进行了若干改进，并将这些改进用于函数优化、约束优化、整数规划和交叉规划。具体工作如下：(1)从信息交换方式的角度出发提出了基于收缩因子的自身最好位置赋权微粒群算法，新算法使微粒可以利用更多其他微粒的有用信息，即通过个体极值加权来平衡算法搜索效率和精度之间的矛盾，并改变了微粒的行为方式。(2)提出了针对多峰函数的避免微粒群陷入局部最优的含步长加速变异算子的微粒群算法及其一种变体，并给出了变异时机和变异概率的详细分析。(3)针对约束优化问题提出了保证微粒在可行域内运动的混合微粒群算法，并提出了三种初始微粒群的构造方法。(4)针对含有约束的整数规划问题，提出了…种保证微粒在可行域内运动的整数规划微粒群算法及其改进，该算法及改进算法可以有效地求解约束线性和非线性整数规划。(5)证明了线性交叉规划的均衡解必存在于两个约束域的边界的交集上的结论并根据此结论提出了线性交叉规划的顶点搜索法。(6)提出了线性交叉规划的对偶罚函数法，将线性交叉规划转化为非线性规划，并证明线性交义规划的均衡解可以从非线性规划的最优解中得到。(7)从天平中得到启示，提山了交叉规划的均衡达代算法。(8)提出了基于交叉规划的两种混合微粒群算法，分刖用于求解线性交叉规划和非线性交叉规划。