此篇論文主要探討在不同的準則下, 如何將粒子群演算法應用於尋找正合最適 實驗設計之中。 最適實驗設計的概念自從被提出後, 便普遍為科學以及工業領域所 採納且廣泛的應用, 而粒子群演算法為一新穎的最佳化方法, 可有效的解決複雜的 最佳化問題。 為尋找正合D-最適實驗設計, 我們提出了許多不同粒子群演算法的 變形, 相較於現今較為廣泛使用的演算法 MFE, 其中所提出的 PSO-mtb 也能在 短時間內提供類似的數值結果, 然而不論是 PSO 或 MFE, 在面臨多個變數的多 項式模型時, 都無法提供快速且良好的數值結果, 因此我們結合了這兩個演算法的 優點, 因而提出 MFE-PSO Hybrid 演算法, 在我們所有的測試中,MFE-PSO Hy- brid 演算法可以在短時間內提供相當優秀的數值結果, 在其他的準則中, 面對單變 數的多項式模型, 我們提出的方法也都能有良好的模擬結果, 然而, 在面對多變數 的多項式模型時, 能沒有有效的方法尋找正合G-最適實驗設計。