适用的问题：
- 求连续型变量的不带约束等式和约束不等式，可以有自变量的上下界约束的连续优化问题：连续自变量的线性规划、非线性规划(适用范围很窄)
- 可以通过改进代码来实现解决带约束的连续规划问题:在适应度函数上构造惩罚项, 对违反约束的情况进行惩罚, 将有约束的优化问题转化为无约束的优化问题
- 不适合求解离散型的变量的组合优化问题：0-1整数规划、TSP旅行商问题(得用模拟退火解决)
算法的改进
- 可以对惯性权重进行改进：线性递减、非线性递减、自适应、随机，使得粒子群算法可以调整搜索的策略(类似ε-greedy算法)
- 可以对学习因子进行改进：压缩因子法
