在印制电路板的生产过程中，表面贴装是极为重要的一环，其速度直接影响着生产效率的高低。早期的表面贴装过程优化是由人工凭经验完成的。近年来，设备供应商也随机提供了一些方法，但都比较简单、不完善且不实用。而群体智能则是这样的系统所表现出的特性：低级个体与它们的环境局部交互所表现的集体行为形成了一致功能的整体模式。它为不需要集中控制或提供全局模型就能探索集体合作(或分布式)问题提供了基础。群智能的这些特点，对解决表面贴装路径优化问题，提供了合适便利的解决方法。 对此，本文将群体智能优化思想扩展到表面贴装路径优化问题，针对该问题提出了优化模型及新的优化方法。即首先转化为旅行商问题，并在此基础上建立相应的数学模型，使得群智能优化方法能够适用于表面贴装路径优化问题。 论文在讨论了群智能及演化计算的基础上，分析了两种典型的群体智能算法：蚁群算法和粒子群算法，并提出改进策略。蚂蚁算法部分，提出了改进的最大-最小蚂蚁系统使之适用于表面贴装路径优化。通过动态限定信息素浓度，从而避免陷入局部最优解，改进信息素更新原则和选路概率公式，以提高收敛速度和解的质量，最后对参数与最终解质量之间的关系进行了定性的分析。在粒子群算法方面，提出了将基本的粒子群算法应用于表面贴装路径优化问题的一种解决方案，因粒子群算法本身相对少的参数、更快收敛速度等一系列优良的特性，对基本的粒子群算法应用于表面贴装路径优化问题的可行性进行了探索式的研究，并对多种算法之间进行了比较。 通过一系列数据测试，比较两者的优缺点，从而对群智能应用于表面贴装路径优化问题进行了有益的探索，获得了阶段性的成果。 由于对群智能的研究才刚刚开始，还未形成系统的分析方法和坚实的数学基础，因此算法中的参数设定目前尚无理论上的依据，已公布的参数设定是针对特定问题而言的。参数的自适应，是未来追求的一个目标。另外，针对多贴片头，多喂料器、单生产线多机平衡、多机多生产线平衡优化问题亦是下一阶段重点研究的问题。