立足于大数据时代背景,群智能算法的发展伴随人工智能领域的进步,其算法的改进与在工业控制领域中的应用逐渐成为了研究热点。而在大数据快速发展的环境下,数据变化快以及数据难管理等特点,导致了传统的群智能算法逐渐不能满足当前大数据环境下复杂问题的需求,所以在针对大数据环境下解决复杂优化问题而设计的新型群智能优化算法具有重要的意义。同时,PID控制器作为工业控制领域中的重要组成部分,从衍生至现在始终得到了国内外诸多学者的广泛关注。但传统的PID控制器已解决不了当前工业控制过程中所面临的复杂问题,随着新型群智能优化算法的广泛应用,成功解决了工业控制领域中的诸多复杂问题。而解决复杂问题的过程可以看作是一个参数优化问题,通过结合群智能算法优化参数是解决控制领域中复杂问题的优化目标。因此,本文通过改进当前的智能优化方法来优化PID控制器参数提高,系统控制的质量。依据上述研究背景,本文选取了群智能算法中标志性的粒子群优化算法,以及选取工业控制过程中基本PID控制器作为理论研究基础,围绕粒子群算法和PID控制器进行了一系列研究。因此本文具体的研究内容如下:1)针对当前粒子群优化算法的研究现状与展望进行分析,通过微积分的理论引出分数阶粒子群优化算法,并对该算法存在的优点与缺陷进行了改进,设计出一种基于时间因子的分数阶粒子群优化算法,该算法根据种群的多样性指标和种群进化度指标判断粒子的聚集与分散程度,及时调整粒子的运动轨迹,更新粒子的位置状态信息,以提升算法的收敛性能。然后分析粒子群算法存在的缺陷,设计出一种基于动态压缩因子的分数阶粒子群优化算法,以提高了算法的全局搜索能力。2)围绕传统PID控制器在系统控制过程中参数优化不理想的问题,针对本文对分数阶粒子群算法进行优化的策略,并结合PID控制器的研究分析,验证了该优化算法在PID控制器参数优化上具有较好的鲁棒性,基本消除系统误差,使系统输出曲线上升速度更快、更加稳定。