粒子群算法（Particle Swarm Optimization，簡稱PSO）是一種最佳化算法，常用於解決多元函式的最佳化問題。PSO算法通過模擬群體中的粒子在搜尋空間中的移動來尋找最優解。在算法中，每個粒子都有一定的速度和位置，它們根據當前的位置和速度，以及歷史最優位置和全局最優位置等信息，調整自身的速度和位置，以期望找到更優的解。
PSO算法的流程大致如下：
初始化粒子群，隨機生成初始位置和速度。
計算每個粒子的適應度值，更新個體歷史最優位置和全局歷史最優位置。
根據公式更新每個粒子的速度和位置。
如果滿足終止條件，輸出當前的最優解，否則返回第2步。
PSO算法廣泛套用於各種最佳化問題，如函式最佳化、神經網路訓練、組合最佳化等。它是一種簡單且易於實現的最佳化算法，具有全局搜尋能力和較好的收斂性。PSO算法的理論基礎是模擬鳥群或魚群中的行為來進行最佳化搜尋。在粒子群算法中，問題的潛在解被表示為一群粒子，每個粒子代表一個候選解，並根據其自身的經驗和群體的信息進行移動和調整。
PSO算法的優勢在於簡單容易實現並且沒有許多參數需要調節。目前，PSO算法已經被廣泛套用於函式最佳化、神經網路訓練、模糊系統控制以及其他遺傳算法的套用領域。