粒子群优化算法起源于鸟类群体智能,是一种基于群体的新型随机元启发搜索算法。自1995年提出以来,引起了研究者的广泛关注,成为研究热点。但粒子群优化算法在更多领域内的应用还处于尝试和拓展阶段,开拓粒子群优化算法的应用领域,是很有意义的工作。本文学习了粒子群优化算法在连续优化问题方面的应用,将粒子群优化算法应用到二维Toy模型中进行蛋白质折叠结构预测,提出了一种随机扰动粒子群优化算法,并与爬山算法、模拟退火算法融合,给出了在Fibonacci测试序列及真实蛋白质序列上的测试结果,取得了良好的效果。本文尝试了粒子群优化算法在离散优化问题上的应用——求解二次分配问题。针对二次分配问题的特点,对标准粒子群优化算法进行改进,与遗传算法、禁忌搜索算法进行融合,提出了一种求解二次分配问题的混合离散粒子群优化算法,给出了在QAPLIB数据上的测试结果,取得了良好的效果。为进一步验证算法的有效性及加速运行,本文还实现了相应的基于OpenMP的并行粒子群优化算法。运行结果表明,并行算法比串行算法具有更好的性能。本文工作开拓了粒子群优化算法在两个优化困难问题上的应用,探索了元启发算法的融合技术。