微粒群算法作为一种结合了局部粒子属性与全局粒子属性的优化算法,在标准微粒群算法中没有用到微粒群以往的迭代信息,再加上微粒群算法的快速收敛性,所有粒子会在下一步达到当前的最优粒子位置附近,这使得算法非常容易陷入局部最优解之中。本文针对标准微粒群优化算法存在的问题,提出了一种通过添加微粒群搜索历史信息的改进算法。通过添加局部粒子路径信息的方式来使得粒子有更大的机会跳出局部收敛,其可以更加有效的利用粒子在算法过程中的信息,把粒子的历史路径信息也添加到算法当中,使算法可以更加平稳地达到全局最优。本文针对Benchmarks测试函数集中的测试函数进行算法测试,通过与经典微粒群算法相比较,可以看出改进后的算法可以更加平稳的收敛到全局最优解,尤其对于梯度很大以及最优解相近的问题改进后的算法表现更出色。在换热网络优化、苯-甲苯闪蒸实验以及发酵动力学模型参数优化等化工过程中应用,实验计算结果显示改进后的算法可以很好的解决实际的化工问题。