PSO算法推廣到約束優化問題，分為兩類：（/view/1531379.htm）
（1）罰函數法。罰函數的目的是將約束優化問題轉化成無約束優化問題。
（2）將粒子群的搜索範圍都限制在條件約束簇內，即在可行解範圍內尋優。
第壹種方法有相關論文，看了下，感覺比較適合等式約束情況，比較類似於在適應度函數中加入拉格朗日乘子的做法，如果論文下不到的話，請留言。
第二種做法倒是用過。大概講下。
針對妳的問題，初始化兩維向量，但是由於存在不等式約束，所以考慮先初始化向量的第壹維，然後動態算出第二維的範圍，隨機出第二維變量。然後就是計算適應度值，全局、局部最優。
更新過程壹樣，先更新第壹維變量，然後動態計算第二維的範圍，更新第二維，如果更新後超過了邊界，則取邊界值（或者也可以再次重新更新，直到滿足條件，直覺上感覺第壹種還好點，第二種可能會出現無法更新的情況），更新完畢後，計算適應度，更新全局、局部最優解。
補充兩個鏈接吧
/detail/yinjian_2004/1567342
論文：基於改進粒子群優化算法的約束多目標優化