群体智能优化算法是指通过观察群居生物的群体行为所表现出的规律和方法,经过简化和理想化,抽象出其中的规律,用来处理现实中的优化问题,对群体中个体行为进行建模所形成的算法就是群体智能算法。在众多群体智能算法中,粒子群算法是根据自然界鸟群在捕食时所表现出来的群体智能行为而提出的,该算法提出时间较早,现已被应用于解决很多工程问题。帝王蝶优化算法是由帝王蝶季节性迁徙所体现的智能行为而被学者提出,该算法提出时间较晚,目前还存在较大研究空间。对于铣削参数优化问题的研究很久以前就已经开始了,随着现代信息技术的发展,越来越多的学者尝试采用群体智能算法来解决铣削参数优化问题,本文尝试改进了粒子群算法和帝王蝶优化算法,并用来解决铣削参数优化问题。本文的具体研究内容如下:（1）建立了更全面的铣削参数优化的模型。本文分析了之前学者在采用群体智能算法解决铣削参数优化问题上的优缺点,所建立的模型更接近实际生产情况,模型的约束条件更为全面,并且同时考虑了生产效率和生产成本两个优化目标,有效避免了之前学者的高生产率高生产成本的情况。（2）提出了跨代精英竞争引导的粒子群优化算法。本文在分析了多目标粒子群算法的优缺点后,提出了跨代精英竞争引导的粒子群优化算法,并且将所提算法进行了测试,测试表明在确保所提算法性能较强的前提下将该算法用于解决铣削参数优化问题,跨代精英竞争引导的多目标粒子群优化算法所求得的参数组合相较于其他算法确实可以得到更优秀的参数组合。（3）提出了混合多目标帝王蝶优化算法。本文在研究了帝王蝶优化算法的算法原理后,根据多目标优化算法的原理,结合了多目标粒子群优化算法和遗传算法的一些思想,提出了混合多目标帝王蝶优化算法。并将所提算法在多个测试算法上进行测试,结果表明该算法在多个指标上表现较好。将混合多目标帝王蝶优化算法用于解决铣削参数优化问题,结果表明该算法所得的参数组合与跨代精英竞争引导的粒子群优化算法所得结果相似,均好于其他算法。