随着互联网的迅速发展和普及,网络已经成为人们获取信息的一个重要途径。由于网络信息资源飞速增长,如何有效地处理这些海量信息,并检索出用户所需信息成为一个非常重要的研究课题。信息检索是从信息集合中找出与用户需求相关的信息。由于用户对系统的熟悉程度和表述查询条件的能力不同,用户利用传统技术实现的信息检索得到的结果难以满足用户的要求。本文主要研究将粒子群算法应用到信息检索查询优化技术中。首先,介绍了本文的研究背景、信息检索与查询优化的研究现状并简单描述本文的研究内容和文章的组织结构。随后介绍了常见的群体智能算法并详细描述了粒子群算法的原理及应用,另外还分析了粒子群算法在查询优化应用的可行性。这为本文以后的研究提供一定的理论基础。其次,研究了遗传算法在信息检索查询优化的应用,并分析了粒子群算法具有的优势。随后介绍了信息检索技术中三类典型的检索模型,并试探性地将粒子群算法应用到查询优化技术中。本方法是利用初始查询得到的结果集,采用粒子群算法重新分配查询中关键词的权重,以得到最优的查询。再次,介绍了相关反馈的基本原理,并了解向量空间模型中的相关反馈技术。通过一个例子发现,将相关反馈引入到查询优化中可以使检索结果准确度有一定的提高。通过分析传统相关反馈技术对查询优化的作用,巧妙地将粒子群算法引入到相关反馈技术中,本文提出一种基于粒子群算法的相关反馈技术,并将其应用到查询优化中。最后,用查全率和查准率两个指标来衡量检索结果,对文中提出的查询优化方法进行有效性的验证。实验数据表明,系统性能有一定程度上的改善。