下面对粒群优化算法叙述正确的是:A. 是一种基于群体搜索的算法，它建立在模拟鸟群社会的基础上B. 粒群优化算法中使用到了适应度函数C. 全局最佳算法中粒子速度矢量改变受认知分量和社会分量的共同影响D. 粒子移动到新位置受速度的影响

步骤 1：理解粒群优化算法的基本概念
粒群优化算法（Particle Swarm Optimization, PSO）是一种基于群体智能的优化算法，它模拟了鸟群或鱼群的群体行为。每个个体（粒子）在搜索空间中移动，寻找最优解。粒子的位置和速度根据自身的经验和群体的经验进行更新。

步骤 2：分析粒群优化算法的适应度函数
粒群优化算法中使用适应度函数来评估粒子在搜索空间中的位置。适应度函数是根据问题的具体目标来定义的，它决定了粒子的适应度值，从而影响粒子的移动方向和速度。

步骤 3：理解全局最佳算法中粒子速度矢量的更新
在全局最佳算法中，粒子的速度矢量更新受两个分量的影响：认知分量和社会分量。认知分量反映了粒子自身经验的影响，社会分量反映了群体经验的影响。这两个分量共同决定了粒子速度矢量的改变。

步骤 4：分析粒子移动到新位置的影响因素
粒子移动到新位置受速度的影响。粒子的速度决定了它在搜索空间中的移动方向和距离。粒子的速度矢量更新后，粒子会根据新的速度矢量移动到新的位置。