粒子群算法是一种相对较新的优化算法，由于其具有原理简单且容易实现等特点，得到越来越多学者的关注，并且被应用于各种传统优化算法所应用的领域。同时，由于其发展历史相对短暂，算法本身仍存在一些问题，比如其分析方法仍很不成熟，缺乏规范化、系统化的理论基础等等。其中，它的最大弱点是容易出现早熟收敛。因此，如何解决粒子群算法的这一问题，一直研究的一个主要课题。本文通过对粒子群优化算法的详细阐述和分析，说明了粒子群算法产生早熟的原因，并有针对性的提出了一种基于邻域混沌搜索的改进的粒子群优化算法(PSOCNS)。使算法能够避免过早陷于局部最优解，得到较好的优化效果。　　 本文同时应用改进的粒子群算法求解一种基于最大熵模型的流量矩阵估计方法。流量矩阵(TM)表示的是网络中所有OD 节点对间流量值。精确的流量矩阵在网络流量工程中有着很重要的作用。但是直接测量流量矩阵不但将消耗大量的系统和网络资源，而且一般情况下直接测量是很难实现的。因此流量矩阵的估计方法和统计技术逐渐得到学者们广泛的重视，即根据已有链路流量的测量数据和网络路由等先验信息，通过合理数学模型来估计流量矩阵。本文针对流量矩阵估计的数学模型的欠定性，提出一种新的基于改进极大熵模型的流量矩阵估计的新方法，并用改进的粒子群算法对其进行求解，通过实验结果的比较，新算法具有更好的估计性能，得出的流量矩阵推断结果与实际值更加接近。