粒子群优化算法(PSO)是最近十年来提出来的一种启发式群智能全局优化进化算法,其基本思想源自于对鸟群觅食行为的模拟,适用于求解非线性、不可微的复杂优化问题,也可应用于组合优化问题,具有原理简单、容易实现、收敛速度快等优点,近年来已成为人工智能研究的一个重要分支。然而粒子群算法也存在早熟收敛、容易陷入局部最优与搜索精度不高等固有缺陷,因此,针对这些缺陷进行算法的改进研究,并拓展算法的应用领域,具有重要的理论价值和实际意义。首先,在系统分析了粒子群算法的基本理论和改进的一般原则基础上,通过在粒子群算法的迭代运算过程中引入遗传算法的选择、交叉、变异操作算子,并对惯性因子采取非线性缩小机制,从而产生一种改进的粒子群优化算法(GAPSO)。为了验证该混合优化算法是否具有良好性能,将该算法用于4个标准测试函数的优化,实验结果表明了该改进算法能有效克服粒子群算法的固有缺陷,避免了早熟收敛,提高了搜索精度。其后,将该改进的粒子群算法应用在PID控制器和自抗扰控制器(ADRC)的参数优化整定中。PID控制器是基于误差来消除误差的一种控制策略,算法简单、易实现、可靠性高,参数的整定是PID设计和工程应用的核心问题,为了取得良好的参数优化效果,将改进的粒子群算法(GAPSO)应用到PID控制器的参数优化整定过程中,实验结果验证了该参数优化算法的有效性;自抗扰控制器是一种新型的先进非线性控制策略,不依赖于被控对象模型,抗干扰能力强,但是需要整定的参数较多,而性能在很大程度上跟参数的选择有关系,针对其参数整定困难、没有经验可以借鉴的问题,将改进的粒子群算法(GAPSO)应用到ADRC参数优化整定过程中,并采用防止超调的评价函数,实验结果表明了该算法整定的ADRC参数具有优良的控制品质。