该算法的精髓在于将PSO用于改善变异算子，具体思想如下，评估初始种群的适应度并按照适应度值升序对个体进行排序，去除排序后的前面四分之一的个体，复制剩余四分之三的个体中居中的三分之一到下一代，对余下的个体用PSO更新速度和位置，其目的是让个体更加适应当前环境，然后进行正常的交叉操作，对交叉操作选出个体后剩余的个体组成新种群再一次进行PSO优化，最后再一次将PSO的思想引入变异算子，对交叉算子产生的子代个体完成变异过程。实例证明，算法具有较高的寻优能力和较快的计算速度，在收敛效率上也占有很大的优势

算法关键步骤

1. 初始化种群N

2. 用适应度函数对种群中的每一个个体进行评价，并将其值从小到大的顺序对个体排序

3. 去除排序后种群中的前四分之一，保留剩余个体中间的三分之一到下一代，复制剩下的个体组成新的种群M

4. 对新种群M执行PSO，希望通过此更新过程使粒子成熟化

5. 选出四个个体在满足交叉概率的条件下按照精英竞争策略选出适应度值较高的参与交叉的个体进行交叉操作

6. 剩余两个个体再一次通过PSO更新速度和位置

7. 将PSO引入变异算子，对交叉产生的两个个体在达到变异概率的条件下执行变异算子。