在PSO算法的改进方面，Kennedy和Eberhart在1997年提出的二进制PSO算法，为PSO算法与遗传算法的性能比较提供了一个有用的方式；其次为了提高算法的收敛性能，Shi和Eberhart在1998年对PSO算法引入了惯性权重w，并在进化过程中动态调整惯性权重以平衡全局性和收敛速度，该进化方程被称为标准PSO算法[18]；2001年他们又提出了基于模糊系统的惯性权重动态调整方法；Clerc于1999年在进化方程中引入压缩因子以保证算法的收敛性，同时使得速度的限制放松，使PSO算法具有更好的收敛率。Angeline于1998年和1999年借鉴进化计算中的选择和杂交概念，将其引入PSO算法中以提高算法的收敛性。为了捉高PSO算法的全局收敛能力，Suganthan在标准PSO算法中引入空间邻域的概念，将处于同一空间领域的粒子构成一个子粒子群分别进行进化，并随着进化动态地改变阈值以保证群体的多样性；Kennedy引入邻域拓扑的概念来调整邻域的动态选择，同时引入社会信念将空间邻域与邻域拓扑中的环拓扑相结合在一起，增加邻域间的信息交流，提高种群的多样性。Lovbjerg等人于2001年将遗传算法中的子群体概念引入PSO算法中，同时引入繁殖算子以进行子群体的信息交流；Kennedy于2004年从概率统计的角度，将粒子的运动改为正态分布的随机扰动，并采用邻域环拓扑结构来改进PSO算法的性能；同年，R.A.Krohling将演化方程中的加速因子变动方式由原来的均匀随机分布改为正态分布，提高了算法的收敛能力；Riget等人从利用群体的多样性出发，在PSO算法中增加了发散行为，较好的提高了算法的全局搜索能力；曾建潮等人提出利用控制理论对PSO算法进行分析，并从提高算法效率的角度出发，建立了积分环节与震荡环节组成的系统所对应的改进PSO算法；他们还分别提出了基于微分模型和模拟退火算法的改进PSO算法；高海兵等人提出了适用于解决离散问题的广义粒子群优化模型，算法成功的应用在了TSP问题中；窦全胜等人从增强粒子群优化能力出发，将模拟退火和分工策略两种机制引入到了PSO算法中；刘宇等人充分利用粒子速度信息，改变了粒子速度的更新方式，并且引入了精英集团策略提出了简约PSO算法；刘洪波等人在分析了PSO算法的收敛性的基础上利用混沌特性提高种群的多样性和搜索遍历性，提高了粒子的持续搜索能力；俞欢军等人针对PSO算法在多峰函数优化中易于早熟的缺点，提出了基于反馈策略的自适应PSO算法，提高了算法求解的成功率和精确度。 粒子群算法的研究现状(2):http://www.youerw.com/yanjiu/lunwen_16247.html