微博作为Web2.0时代一种新兴的社会网络平台，以其参与的低门槛，发布信息的实时性以及社交性，迅速成为风靡全球的网络平台。对微博用户影响力的研究可以帮助用户找到有价值的信息源，从而减少用户过滤信息的时间，提高用户效率。对用户影响力的研究对公共传播与病毒营销也非常重要。传统的微博用户影响力研究都是从复杂网络着手。影响用户影响力的因素有用户行为和用户关系等。对微博用户的行为模式进行分析，可知其具有的特点与群体智能的五项原则是一致的。本文尝试基于群体智能对微博用户行为进行分析，改进粒子群算法以适应用户影响力的计算。粒子群算法是一种以群体智能为基础的随机搜索优化算法。该算法利用个体在社群间的信息交流来寻找最优解。相比其它群体智能算法，粒子群算法更容易理解，参数更少且容易实现。粒子群算法也是以生物社会背景为基础的。通过将用户的转发行为描述成该用户在影响力空间中的变量部分，这个部分包含有用户自身经验以及周围网络对该用户的影响。根据上述分析对粒子群算法做出一定改进，该算法将上述变量部分当作粒子群中的速度变化，对一段时间内的用户进行迭代计算，最后依据该计算结果得到用户的影响力。以新浪微博为数据集对提出的方法进行实验验证，最终的实验结果表明基于粒子群算法的用户影响力计算方法能够有效地找出影响力较高的用户。