粒子群优化算法自提出后，由于其简单高效，受到众多领域学者的广泛研究。至今为止，对于粒子群群算法的研究大致可以分为：算法的改进、算法的分析及算法的应用。

算法的改进，可以分为对参数（惯性权重、学习因子、收缩因子）的改进、对公式中的速度及位置每隔一段时间重新赋值、使用新的位置和速度更新公式、与其他算法的计算技巧结合、对群体组织结构的改进。但现在很多学者在改进的时，会对上述的多方面同时改进，这必会增加算法的复杂性。对于算法性能的验证均采用实验验证，缺乏理论支持。

算法的分析，主要体现在对算法的收敛性及粒子的运行轨迹进行分析，这方面的研究较算法改进要少很多。

算法的应用，体现在各个领域，特别是在求解一些复杂问题时。