粒子群优化算法里的动态局部搜索策略，用起来还蛮巧妙的。尤其是这篇讲的 DLS-BBPSO 算法，做复杂函数优化的时候挺有一套，能避开那种早早陷进局部最优的坑。

裸骨版的 PSO 算法，不搞那些繁杂的公式，直接用高斯分布更新粒子位置，思路清爽。对，就是靠全局最优点来带动全体搜索，收敛速度还挺快。但呢，容易变‘一根筋’，没多样性。

DLS-BBPSO里加了个动态局部搜索，蛮像是“喂一下粒子换个思路”。它会根据当前粒子的表现动态开局部搜索，比如某段时间粒子都“一个德性”了，就触发微调动作。你可以理解成给搜索过程加点‘折腾’，让它跳出陷阱。

作者还挺用心，用了不少基准测试函数来验证，单峰多峰都有，场景够丰富。跟常规 PSO 和其他算法比了一圈，结果还不错，搜索能力挺稳的，尤其在复杂函数那块儿，表现出了蛮强的适应性。

如果你在折腾优化问题，是那些容易卡住的非线性多峰问题，这个 DLS-BBPSO 算法可以试试。代码结构还比较干净，拿来做二次开发也挺合适的。建议先看下核心逻辑再上手，不然容易一脸懵。