1、在工程技術、科學研究等領域中，最優(yōu)化問題是人們最經常要面對的問題。隨著計算復雜性理論的形成，人們發(fā)現并證明大量組合最優(yōu)化問題是所謂的NP完全和 NP難問題.因此，為了應對此類問題，研究人員設計了各式各樣的最優(yōu)化計算方法，遺傳算法、蟻群算法、粒子群算法就是優(yōu)化算法的典型，在實際問題的應用上已經比較成熟。
　　粒子群優(yōu)化算法在眾多人工智能算法中，具有收計算簡單、收斂快、魯棒性好的優(yōu)點，成為近年來研究熱點。同時適當的結合遺傳算法、貪婪算

2、法，作為粒子群優(yōu)化算法的局部策略，將更大的避免局部收斂，并且能極大的提高收斂速度。從實際出發(fā)來考慮，我們認為在粒子群優(yōu)化算法中以完善迭代策略作為研究的主要方向。
　　遺傳算法的引入作為完善粒子群算法的局部策略，提出混合粒子群優(yōu)化算法。并且針對組合優(yōu)化中著名的問題：背包問題，旅行商問題，2維裝箱問題，我們用二進制編碼形式作為這三個問題解的基本形式,分別設計了具體的改進粒子群優(yōu)化算法。針對背包問題，引入貪婪算法，懲罰函數方法改善在迭代

3、問題中出現的大量非可行解的情況設計了粒子群優(yōu)化算法，并對該算法進行了模擬仿真實驗，對實驗結果進行了比較分析。對旅行商問題和2維裝箱問題，我們定義新的乘法和加法運算，將微粒群算法中原始速度迭代公式，采用遺傳算法進行替換和改進，提出了混合遺傳算法的微粒群優(yōu)化算法。針對旅行商問題的微粒群優(yōu)化算法進行了17節(jié)點的TSP、14節(jié)點的TSP和中國郵遞員問題三個模擬仿真實驗，并對實驗結果進行了比較分析。對于裝箱問題，我們對于最優(yōu)解進行了保留遺傳的策略