標準粒子包括：

　　膠子 - 強相互作用的媒介粒子，自旋為1，有8種 光子 - 電磁相互作用的媒介粒子，自旋為1，只有1種 W 及 玻色子 - 弱相互作用的媒介粒子，自旋為1，有3種 引力子 - 引力相互作用的媒介粒子，自旋為2，只有1種 標準模型預言的另外一種玻色子——希格斯粒子不屬于規范玻色子。

　　下面我們來了解一下標準粒子群算法的歷史是什么吧。

　　粒子群算法源于復雜適應系統(Complex Adaptive System,CAS)。CAS理論于1994年正式提出，CAS中的成員稱為主體。比如研究鳥群系統，每個鳥在這個系統中就稱為主體。主體有適應性，它能夠與環境及其他的主體進行交流，并且根據交流的過程“學習”或“積累經驗”改變自身結構與行為。整個系統的演變或進化包括：新層次的產生(小鳥的出生);分化和多樣性的出現(鳥群中的鳥分成許多小的群);新的主題的出現(鳥尋找食物過程中，不斷發現新的食物)。

　　粒子群算法( Particle Swarm Optimization, PSO)早是由Eberhart和Kennedy于1995年提出，它的基本概念源于對鳥群覓食行為的研究。設想這樣一個場景:一群鳥在隨機搜尋食物，在這個區域里只有一塊食物，所有的鳥都不知道食物在哪里，但是它們知道當前的位置離食物還有多遠。那么找到食物的優策略是什么呢?簡單有效的就是搜尋目前離食物近的鳥的周圍區域。

　　PSO算法就從這種生物種群行為特性中得到啟發并用于求解優化問題。在PSO中，每個優化問題的潛在解都以想象成d維搜索空間上的一個點，我們稱之為“粒子”(Particle)，所有的粒子都有一個被目標函數決的適應值(Fitness Value )，每個粒子還有一個速度決他們飛翔的方向和距離，然后粒子們就追隨當前的優粒子在解空間中搜索。Reynolds對鳥群飛行的研究發現。鳥僅僅是追蹤它有限數量的鄰居但終的整體結果是整個鳥群好像在一個中心的控制之下.即復雜的局行為是由簡單規則的相互作用引起的。