粒子群优化算法(PSO)作为一种群体智能优化算法,因其结构简单,调节参数较少,易于实现以及寻优能力强等优点使其成为求解复杂优化问题的研究热点。但其容易早熟且算法的基础理论研究还不完善。因此,分析和研究PSO内部机理和进化规律,进一步提高算法的寻优能力具有重要的理论和实际意义。本文以控制思想为基础,考虑算法的随机性和充分利用算法寻优过程中产生的信息,从不确定性离散系统的最优控制和过程优化的角度展开粒子群优化算法的改进研究。具体研究内容如下：本文首先介绍粒子群优化算法(PSO)的基本原理,并系统的综述了算法的研究现状以及国内外基于控制思想的PSO算法的研究成果。考虑PSO算法固有的随机因素,可将PSO算法定义为离散不确定性系统,在此基础上本文引入最优控制思想,提出基于不确定离散系统最优控制的粒子群优化算法。仿真结果表明,最优控制器的引入使得算法的收敛速度与搜索精度都有所提高。通过对基本PSO算法在寻优过程中的适应值、多样性、平均速度等数据信息的分析,将PSO算法的寻优过程定义为多样性反馈控制,适应值最优控制和平均速度反馈控制三个回路的控制过程,然后,将过程优化思想引入PSO算法,依据适应值、多样性、平均速度变化信息对寻优过程优劣的反映,提出优化控制决策规则,从而实现了从适应值、多样性、平均速度三个方面对PSO算法寻优过程的控制。仿真结果验证了该算法的可行性和有效性。