微粒群算法的基本概念及进化方程：

微粒群算法（Particle Swarm Optimization,PSO），又称粒子群优化，是由J. Kennedy和R. C. Eberhart等于1995年开发的一种演化计算技术，来源于对一个简化社会模型的模拟。

其中“群（swarm）”来源于微粒群匹配M. M. Millonas在开发应用于人工生命（artificial life）的模型时所提出的群体智能的5个基本原则。

“粒子（particle）”是一个折衷的选择，因为既需要将群体中的成员描述为没有质量、没有体积的，同时也需要描述它的速度和加速状态。

微粒群算法是（PSO）是一种有效地全局寻优算法，具有进化计算和群智能的特点，是基于群体智能理论的优化算法，通过群体间微粒的合作与竞争产生的群体智能指导优化搜索。

其实与传统的算法相比较，微粒群算法保留了基于种群的全局搜索策略，但采用的“速度-移位”模型操作简单，避免了复杂的遗传操作，由于每代种群中的解具有“自我”学习提高和向“他人”学习的双重优点，从而可以在较少的迭代次数中找到最优解。