鉴于优化问题的复杂性，以及在求解优化问题时传统算法计算量的不断增大，使得人们对求解问题的方法提出了新的和更高的要求，而其中对高效的优化技术和智能计算的要求也尤为迫切。粒子群优化算法，是通过观察鸟类的寻找食物的行为，通过模仿而提出的一种新的智能算法。算法原理较为简单、参数也较少、算法不过多依赖于求解问题的信息，并且该算法具有收敛速度较快，全局搜索能力较强等特点，因此具有较强的通用性。针对此算法存在的一些不足，许多学者提出了很多改进的算法，并将这些算法成功的应用到许多实际问题中。本文主要围绕粒子群算法的基本原理、对基本粒子群算法在应用研究方面，通过结合处理约束条件的方法将其应用到求解带约束的优化问题中。针对粒子群算法在求解约束优化问题中的应用，将处理约束问题的乘子法与改进的粒子群算法相结合，提出了一种求解非线性约束问题的混合粒子群算法。此算法兼顾了粒子群优化算法和乘子法的优点，对迭代过程中出现的不可行粒子，利用乘子法处理后产生可行粒子，然后用改进的粒子群算法来搜索其最优解，这样不仅减小了粒子群算法在寻优过程中陷入局部极小的概率，而且提高了搜索精度。数值试验结果表明提出的新算法具有搜索精度更高、稳定性更强等特点。