粒子群算法是基于群集智能、受到人工生命研究结果的启发而提出的一种现代优化方法。作为一类随机全局优化技术,与传统优化方法相比较,对目标函数的解析性质要求不高,所以常用于解决一些复杂的、大规模的、非线性、不可微的优化问题,近年来受到学术界的广泛重视。本文介绍了标准粒子群算法和几种改进粒子群算法,在利用标准粒子群算法优点的同时,进行了一些改进,例如:在位置更新方程中设置动力参数以限制粒子在搜索区域内、采用减弱速度更新的策略减少速度更新的次数等。在此基础上提出一种新的交叉粒子群算法,该算法交叉运行两个不同粒子群算法,提高了算法的搜索性能。进一步,在获得局部极小点情形下对函数采用拉伸等措施,给出了交叉-拉伸粒子群算法来搜索全局极小点,该算法也可用来处理多个最优解的问题。数值实验结果表明,新算法解决高维非线性的无约束优化问题表现出了良好的性能。最后,将本文提出的算法应用于两个实际问题:六边形阵列天线方向图优化设计问题和模式识别领域中的支持向量机训练问题,都取得了良好效果。