粒子群优化算法是一种基于群智能的全局随机搜索算法，在信息技术、工业工程、管理工程等诸多领域已得到广泛应用，但对于粒子群优化的算法理论分析、与机器学习和其他优化策略的结合，以及在组合优化、生物信息、图像处理等诸多领域的研究与应用依然有待深入探索。例如针对不同组合优化问题解空间的特性，如何设计粒子的速度和位置迭代？面对高维多峰函数优化如何避免算法陷入局部最优？如何在算法运行后期保持群体的多样性？面对不同复杂优化问题，如何进行自适应调整？引入各种改进策略之后，如何分析算法的收敛性和寻优效率？等等。本书在介绍了粒子群优化算法基本原理的基础上，针对标准粒子群优化算法存在的缺点，阐述了粒子群算法的自适应优化策略，给出其具体改进方法或提出新的计算模型，使之更为有效，重点研究了粒子群优化算法在组合优化问题中的应用。本书适合运筹与管理、人工智能、计算数学、计算机科学、系统科学、自动化等相关学科专业高年级本科生、研究生参阅，亦可供从事计算智能研究与应用的科研人员和工程技术人员参考。