最优化问题在人类生产生活中的每个领域都广泛存在,且与我们的生活密不可分。智能优化算法的出现为最优化问题的解决提供了助力。这类算法通俗易懂,计算简单,适应性强,相比于传统优化方法,能更有效的解决复杂多维问题。可不是每个最优化问题都能得以解决,由于算法存在的缺陷,其应用受到了限制,因此,对智能优化算法进行改进成为了学者们的研究热点,改进后的算法兼备多种算法的优点,增强了算法性能的同时也使得算法应用更为广泛。提出将粒子群优化算法与天牛须搜索算法的混合算法。首先利用混沌映射的特点使得粒子分布更均匀,以提高粒子初始解的质量。其次,采用线性递减的惯性权重,早期全局搜索,后期局部搜索,保证算法精度。然后,迭代过程中,用指数递减方式更新天牛步长递减因子,进一步提升算法精度。接着,将天牛的搜索策略引入粒子群,将每个粒子当作天牛个体,用天牛寻优后新位置去更新粒子的速度和位置,让天牛引导粒子进行搜索,提高算法搜索效率和全局寻优能力。最后,把算法用于四旋翼无人机参数辨识,结果表明,算法能在辨识误差较小的情况下,以较少的迭代次数就辨识到系统参数。提出融入天牛须搜索策略的改进粒子群算法。首先,选用线性微分递减的惯性权重,其次,将群体优化算法融合天牛的觅食机制,制定新的速度更新规则,引导粒子向最优解靠近。然后,用收缩因子和惯性权重共同平衡算法全局和局部搜索,收缩因子加入天牛信息的加速系数,由三个加速系数共同决定,算法搜索精度有所提升。接着,将改进后的算法与四种算法在九个基准函数上进行对比测试,最后用于数控机床进给伺服系统的PID优化。