群体智能起源于对蚂蚁、蜜蜂、大雁等群居生物群体行为的观察和研究，指的是“简单智能的个体通过协作表现出复杂智能行为的特性”，是一种人工智能的实现模式。群体智能以其分布性、简单性、灵活性和健壮性在组合优化问题、知识发现、通信网络、机器人等研究领域显示出巨大的潜力和优势。　　 本文基于群体智能理论，从“协作”入手，以“涌现”为目的，建立了一个抽象的模型系统，该系统属于顶层设计，旨在给出一个基于群体智能思想进行群体编队或其它合作的总体方案，以实现灵活性、可重构性、安全性、高效性等性能。具体的研究内容如下。　　 首先对群体智能思想及理论基础进行详细的综述，概述了群体智能的两种典型实现算法——蚁群算法(Ant Colony Optimization,ACO)和粒子群算法(ParticleSwarm Optimization,PSO)的研究现状及发展应用情况；其次，结合了多Agent系统、复杂适应性系统的理论知识，采用了自底向上的研究方法，提出一种基于群体智能的面向通用问题的抽象层次的协作系统——群体智能协作社会系统，并对该系统的体系架构进行了详细描述，拓展了群体智能的理论思想：然后，针对传统的粒子群算法只可以解决连续优化问题的缺点，通过引入了贪婪搜索机制和遗传算法的思想，本文提出了一种能够解决离散问题的新算法——DPSO(DiscreteParticle Swarm Optimization)，并通过武器-目标分配问题验证了DPSO的有效可靠；最后基于群体智能协作社会系统框架，利用群体智能策略给出了群体协作编队问题的解决方案，并在Jbuilder平台上进行了仿真模拟实验，试验结果证明该方案的可行性，具有一定的实用价值和参考价值。　　 由于群体智能是一门新兴学科，对它的研究尚处于初级阶段，其理论还不完善，应用不够广泛，然而，生物群体拥有着巨大的潜力供人们研究，群体智能具有着广阔的应用前景，它的应用价值值得人们不断的进一步开发。