限制速度粒子群優(yōu)化（ RVPSO）和自適應(yīng)速度粒子群優(yōu)化（SAVPSO）是近年來提出的專門求解約束優(yōu)化問題（COP）的粒子群優(yōu)化算法，但目前尚無兩算法在無約束優(yōu)化應(yīng)用方面的研究。為此，研究上述算法在無約束優(yōu)化中的有效性和性能特點，并針對算法保守性較強(qiáng)的特點，分別引入混沌因子和隨機(jī)優(yōu)化策略對算法進(jìn)行改進(jìn)，從而提高算法的全局搜索能力；另外，還研究了不同參數(shù)設(shè)置對算法性能的影響。在5個典型測試函數(shù)上的仿真實驗結(jié)果表明：RVPSO改進(jìn)算法的魯棒性及全局搜索能力優(yōu)于原算法，但在求解高維多峰函數(shù)時仍易于陷入局部最優(yōu)；SAVPSO改進(jìn)算法的全局搜索能力比RVPSO改進(jìn)算法強(qiáng)，且在求解高維多峰函數(shù)時具有更快的收斂速度并能取得精度更高的解，表現(xiàn)出較好的全局優(yōu)化能力，是一種切實有效的求解無約束優(yōu)化問題的算法。