粒子群优化算法是通过对鸟类群体觅食行为的研究和观察提出的一种群体智能优化算法。该算法思想简单、需调整的参数少、收敛速度快且易编程实现，因此受到广大学者的关注和青睐。近些年来它己成为现代优化方法中的一个重要组成内容并且已经在函数优化、神经网络训练、工程实践等方面显示出巨大潜力。但就其本身而言，在理论和实践方面还存在很多不足之处，鉴于粒子群优化算法易陷入局部最优的缺点，本文分别给出了一种改进的粒子群算法和一种混合优化算法： 一、基于阶段进化策略的粒子群算法 在新算法中，当判断出算法可能陷入局部最优时，适时的按一定比例给一些粒子重新赋值，从而使算法跳出局部最优，向全局极值靠近。数值实验证明，改进后的算法在计算精度和收敛速度方面都有了很大的提高。 二、粒子群和鱼群的混合优化算法 该算法分析了粒子群和鱼群各自的特点，粒子群算法收敛速度快而且能够保留每个粒子自身经过的最优状态。鱼群算法由于引进了拥挤度因子，具有很好的全局寻优能力。结合二者的优点提出了基于粒子群和鱼群的混合优化算法，通过经典函数的测试，该混合优化算法具有令人满意的优化性能。