产业集群，指的是某一类相关的企业大量聚集在某一特定区域的经济现象。对于集群内的企业来讲，通过企业的聚集获得了巨大的竞争优势，从而取得更好的发展与丰厚的经济效益。产业集群是一种基于自组织结构的经济现象。自组织结构的特征是自我适应和自我组织，这一点和产业集群不谋而合。同样，若将集群看作一个由众多企业和机构构成的系统，那它也是一种自组织系统。产业集群形成过程中也是经由开放的耗散结构不断演化而来的。微粒群的寻优与产业集群的集聚具有相通性。产业集群的形成实际上是一个自组织的过程，粒子群优化算法是自组织算法，其寻优过程也是自组织的。若将集群中的企业视为粒子群优化算法中的粒子，集群所处的位置正是集群竞争力最大的位置，将其看作粒子群优化算法中的最优解的位置，那么产业集群的聚集过程可以视为粒子群的寻优过程。可见，微粒群的寻优与产业集群的集聚是相通的。基于PSO算法局限性的思考，并受到P系统的启发，本文提出了一种基于P系统的粒子群优化算法（P-PSO）。在本文中P系统中的膜有主膜和辅助膜之分，设立主膜一个，若干辅助膜。粒子被放入P系统之后，主膜内粒子与辅助膜内粒子进行合理分工，主膜内粒子负责“开发”（即在辅助膜内粒子的引导下，搜寻最优解的具体位置），“探索”任务是由辅助膜内的粒子来完成（即尽可能的遍历搜索空间，搜寻可能存在最优解的区域，为主膜内粒子的搜索提供引导）。其中，主膜内粒子与辅助膜粒子之间的信息交流由P系统中的交流规则来实现。为了达到探索与开发的目的，辅助膜内粒子需要保持较高的粒子活性，主膜内粒子要有精细化搜索的能力。对于新算法，我们借助常用的测试函数进行了检测，结果表明P-PSO算法具有很好性能。为了用粒子群优化算法来模拟产业集群的形成问题，我们将产业集群微粒群化。产业集群的竞争力值为粒子群优化算法中所求解的目标函数的值；产业集群的地理坐标为PSO算法中粒子搜索空间中的位置；集群内部企业之间肯定有“合作”与“竞争”，这可以通过PSO算法中“自我认知”部分和“社会”部分来实现。最后我们以山东汽车产业集群为例，运用P-PSO算法模拟集群内企业的聚集过程，通过实证分析，对汽车产业集群的发展进行了预测。