为快速获取网络点韧性度以衡量其抗毁性性能，设计基于改进二进制粒子群（BPSO）算法的点韧性度计算方法。改进BPSO算法的概率映射函数和位置更新式以解决算法容易陷入局部最优的不足，对网络节点状态进行编码以获取种群粒子，并设计基于广度优先搜索思想的方法求解剩余网络的适应度函数值；最后综合改进BPSO算法和适应度函数求解算法设计点韧性度计算方法。在两种基本网络和两种实际网络中的仿真分析验证了方法的有效性。

粒子群算法（Particle Swarm Optimization，PSO）主要用优化计算实值的连续性问题，而离散二进制粒子群算法（Binary Particle Swarm Optimization，BPSO）则用来优化离散空间问题，它扩展了PSO算法的应用，现已广泛应用到各种离散优化问题计算中，但目前对BPSO算法的理论分析研究还很少，难以指导算法性能。本文从位改变概率和遗传算法的模式定理两方面对BPSO进行分析。分析得出，BPSO算法具有很强全局搜索能力，但不能收敛于粒子的全局最优位置，而且随着算法

%------初始化种群的个体------------%------先计算各个粒子的适应度，并初始化Pi和Pg----------------------