随着开源项目平台以及在线代码问答网站的兴起,大量大代码知识汇聚在互联网上,如何有效地利用这些大代码中蕴含的潜在知识,并为后续的软件开发活动提供参考指引,是提升软件开发效率的关键途径。程序自动合成就是一种加快自动化软件工程的关键技术,它在给定不同形式的用户意图下自动合成符合语法规范的代码。随着人工智能的发展,许多研究使用神经网络去建模程序自动合成方法,称之为神经程序综合（Neural Program Synthesis,NPS）。NPS方法使用神经网络去学习程序的高级抽象在用户意图上的概率分布,该学习问题的定义导致了NPS的合成程序高度依赖于用户意图,即不准确和不完整的用户意图难以合成精确的程序。然而,由于用户意图的多样性,一般用户难以为NPS模型尤其是基于证据（API调用、数据类型等）的NPS模型提供绝对完整和准确的用户意图。群体智能与自动化软件工程结合是一种新兴趋势,它具有群体智慧涌出大于个体智慧的特点。为了解决NPS输入用户意图的不完整性和不准确性带来的合成准确性的挑战,同时为非专业用户提供一种用户友好型的用户意图自动融合框架,本文提出了群智证据驱动的程序自动合成方法。该方法以更适用于一般用户的自然语言描述作为输入,并结合群体智能思维从互联网上挖掘并融合多方开发者的证据知识,核心部分是使用改进的非监督式蚁群优化算法进行选择性地意图融合,从而为以基于证据的NPS方法提供一个更完整和更准确的用户意图输入。此外,为了优化蚁群优化算法应用于程序合成领域特征选取的精度,本文还提出了三种证据选择策略。第一种策略是通过挖掘API使用模式来衡量证据之间的模式匹配度,第二种策略是通过分析蚁群的有效移动来发现任务相似度更高的证据组合,第三种策略是通过开发者对于特定任务的证据偏好度启发式地赋予证据群智权重。这三种策略最终集成到本文非监督式蚁群优化算法的随机比例规则中,从而指导NPS的证据选取。最后,本文通过实验对比证明了本文提出的用户友好型用户意图自动融合框架,是提升程序合成准确率的有效方式。此外,通过控制群智个体的个数,本文模拟了孤立式开发环境和协同式开发环境下本文提出的方法对于程序合成的影响,该实验结果证明本文提出的多方开发者的选择性知识融合思路可能是促进软件工程自动化和智能化的有效方式。