提出了一种带有动态自适应惯性权重和随机变异策略的粒子群优化算法．在每次迭代时，算法可根据粒子的适应度变化动态改变惯性权重，从而使算法具有动态自适应性。当用早熟判断机制判断算法陷入早熟收敛时，采用随机变异策略使其跳出局部最优。将改进的算法应用于GM(1,1,λ)模型的求解，具体实例表明改进的粒子群优化算法能够显著提高GM(1,1,λ)模型的精度。