粒子群优化 (PSO) 最初是由 Kennedy 和 Eberhart [1] 在 1995 年作为优化非线性函数的工具引入的。 该算法试图模拟动物成组合作寻找食物的行为。 根据这个属性，该算法可以归类为群体智能。
但是，粒子群优化不是仅仅基于社会相互作用。 Shi 和 Eberhart 在 [2] 中提到，该算法的主决策方程包含三个基本部分：第二部分是关于粒子在设计空间中的个人最佳位置的决定。 该部分也称为认知部分，表示粒子的思维。 这就是为什么 PSO 也可以被描述为一种人工智能方法。 PSO 试图通过使用自己的思维方式并考虑与 [3] 中定义相对应的环境来达到一个目标（找到最小值）。
程序中的用法
模块“优化和成本/CO2 排放量估算”使用粒子群优化来找到全局参数的最佳分配。