粒子群算法（Particle Swarm Optimization，简称PSO）是一种优化算法，它模拟了鸟群或鱼群等群体的行为，通过对候选解的移动和搜索来寻找问题的最优解。
PSO算法的基本思想是将问题的解看作是一个个粒子，每个粒子在解空间中移动，并根据自身的经验和全局最优解的引导不断调整移动方向和速度，直到找到最优解。
PSO算法具有以下特点：
- 简单而高效：算法易于实现，只需定义粒子的位置和速度更新规则即可。
- 全局搜索能力强：通过借鉴领域中的全局最优解，能够有效地搜索到问题的最优解。
- 易于并行化：各个粒子的位置和速度更新是相互独立的，适合并行计算。
- 适用范围广：PSO算法可以用于连续优化问题、离散优化问题以及多目标优化问题。
粒子群算法在实际应用中已经取得了广泛的成功，被广泛应用于函数优化、模式识别、机器学习等领域。