群智能方法作为一种新兴的演化计算技术，已成为人工智能领域研究的一个新的分支。粒子群优化算法源于对鸟群和鱼群群体运动行为的研究，是一种新的群体智能优化算法。粒子群算法的主要特点是参数少、原理简单、收敛速度较快。由于粒子群算法在进化后期存在搜索速度较慢，易陷入局部最优点等，所以对算法的改进研究有着重要的理论意义和应用价值。基于此，本文在粒子群算法优化方面，首先，对传统的粒子群算法参数的选择和收敛性进行了探讨，并给出了参考性建议。其次，针对粒子群优化算法易发生过早收敛问题，受自然界分而治之的思想和共生现象的启发，提出了一种二分粒子群协同进化优化算法，算法在奇数次对种群进行寻优，在偶数次将粒子群分为两个子种群，子种群独立完成寻优任务，与其它群体几乎不发生联系。通过对五个标准函数测试结果表明，算法有效避免了陷入局部极值点且提高了收敛精度。并将算法应用于经典的0-1背包问题。最后，在深入分析人工鱼群算法局部搜索不精确、粒子群优化算法易发生过早收敛等缺陷的基础上，提出一种新的人工鱼群与粒子群混合优化算法。算法的主要思想是先利用人工鱼群的全局收敛性快速寻找到满意的解域，再利用粒子群算法进行快速的局部搜索，所得混合算法不仅具有局部搜索速度快，且具有全局收敛性能。通过五个标准函数和一个应用实例的测试表明，所提出的算法有效地避免了陷入局部极小，加快了收敛速度且提高了搜索精度。