在每一次迭代中当所有粒子都完成速度和位置的更新之后才对粒子进行评估更新各自的

适应度值。适应度值是根据问题的具体情况而定的，通常是指解决方案的质量或优劣程度。在粒子群优化算法中，适应度值越高，说明该粒子的解决方案越优秀。

在更新适应度值后，需要根据当前的最优解和全局最优解来更新粒子的个体最优解和全局最优解。如果当前的适应度值比个体最优解更好，则更新个体最优解；如果当前的适应度值比全局最优解更好，则更新全局最优解。

最后，根据个体最优解和全局最优解来更新粒子的速度和位置。速度和位置的更新公式与前面提到的相同，不再赘述。

重复以上步骤，直到达到预设的终止条件，例如达到最大迭代次数或达到一定的适应度值。最终的全局最优解即为该问题的最优解。