粒子群優(yōu)化（Particle Swarm Optimization，PSO）是一種基于群體智能的優(yōu)化算法。它通過模擬鳥群覓食行為，將每個個體視為一個“粒子”，每個粒子在解空間中搜索最優(yōu)解。

PSO算法的主要步驟如下：

1. 初始化：隨機生成一組初始粒子的位置和速度。
2. 計算適應度：根據目標函數計算每個粒子的適應度值。
3. 更新粒子位置：根據當前粒子的適應度值和全局最優(yōu)粒子的位置，更新每個粒子的位置。
4. 更新粒子速度：根據當前粒子的適應度值和全局最優(yōu)粒子的速度，更新每個粒子的速度。
5. 迭代：重復步驟2-4，直到滿足停止條件（如達到最大迭代次數或滿足精度要求）。

PSO算法具有簡單、易實現、收斂速度快等優(yōu)點，廣泛應用于求解非線性、多峰、高維等復雜優(yōu)化問題。