一篇改進的PSO論文《Coevolutionary Particle Swarm Optimization Using AIS and Its Application in Multi-Parameter Estimation of PMSM》，主要介紹克隆免疫算法（ICPSO）。
（一）改進的PSO
缺點：早熟；陷入局部最優；後期失去多樣性。
（二）精英克隆算法
1.將種羣按粒子數等分成I個子種羣（P1,P2…PI），評價粒子的適應度值，將每個子種羣的有最優解三個的粒子的位置存在P0中，P0大小爲3*I，稱作精英種羣，用於替換最差的粒子。
2.對P0進行超突變。（每個粒子隨機選擇一個維度）
（三）混合免疫網絡
對中間層個體進行免疫升級，優秀層根據標準PSO更新，差層的個體再次重新生成。
其中，i≠k,k是在優秀層隨機選擇的第k個體，目的是向優秀個體學習。cauchy是標準分佈，使得粒子可以在更寬的範圍內搜索，更快的跳出局部最優。
（四）個體最佳位置的小波學習
其中，gbestPi(d)是Pi的適應度值，Pi的選擇如下圖所示，類似於DE算法中的交叉。Pbestid(j)是第j個子種羣的第i粒子的最佳位置。amin和amax爲的邊界，一般設a∈[10,1000]。
（五）總結
雖然論文內部邏輯有點混亂，但是有不少改進的策略可以使用。從實驗測試結果來看，解決單峯和高維度問題有較高的準確度。雖然收斂相對比較快，但隨着子種羣數目的增加耗時會大幅度上升。