微粒群是一种模拟动群体物行为的智能优化算法,同时它也可以模拟人类的社会行为,至今很少有人从人类社会方面来研究微粒群算法。因此本文引入人工社会的思想和个体决策的理论和方法对标准微粒群算法进行研究,把每个微粒作为具有独立个体决策能力的智能体(Agent),提出了个体决策微粒群算法,并将其应用于非线性方程组求解中。微粒群算法利用自己以前的经验和其它社会成员的经验来调整自己的行为,但是对个体历史经验信息的利用有所不足。因此,借助个体决策的理论和方法,利用微粒自身的个体历史位置与对应的适应值信息对标准微粒群算法的个体历史最优位置进行决策。由于人类社会是一个复杂的社会系统,将小世界模型和个体决策的理论和方法引入微粒群算法中,使得每个微粒具有特殊的拓扑邻域信息,改变了标准微粒群算法仅仅利用群体历史最优信息的弊端。利用邻域微粒的个体历史位置与对应的适应值信息对标准微粒群算法的个体历史最优位置进行决策。最后利用李雅普诺夫函数从理论上分析了两种改进算法的稳定性条件。微粒群算法的认知系数与社会系数选择策略要么始终把这两个系数设置为一个固定的数,要么在相同的代对所有微粒采用相同的参数设置。作为智能体,每个微粒具有个体决策能力,因此这两个系数应该具有一定的差异性。本文设计了一种新的微粒优劣的判断标准——适应值变化率。借助个体决策的方法和适应值变化率,利用个体历史位置与对应的适应值信息对认知系数与社会系数进行决策。最后把个体决策微粒群算法应用到非线性方程组求解问题中,仿真结果表明它们具有较大的优势。