秦始皇兵马俑挖掘出土时大多已破碎残损,大量文物碎片拼接修复复杂,其拼接复原便成为复杂的数学问题,高性能模型智能处理方法研究成为推动该问题解决的关键。由于直觉模糊集同时考虑了隶属度、非隶属度与犹豫度这三方面信息,更加适合处理多碎片拼接过程中“匹配”程度上的不确定性,为受损俑体自身形状模糊表示、特征缺失的模型表示、受损俑体自身特征模糊不易提取表示问题提供技术支撑,实现精准建模,支持在模型特征空间上的系列计算。此外,群体智能优化算法对于解决多碎片匹配与拼接这种具有大规模、离散、非线性、多重约束、解空间巨大特点的这问题具有得天独厚的先天优势。因此,本研究将直觉模糊集理论与群体智能优化算法相结合,面向碎片的虚拟拼接问题开展深入研究,主要内容包括:（1）提出了一种基于直觉模糊熵的混合粒子群优化算法。构造直觉模糊熵的自适应函数,将熵值作为扰动因子,动态改变惯性权重;建立一种自适应全局最优粒子学习策略对扰动后的粒子进行训练,使算法能够保持粒子多样性。通过仿真实验结果表明,本算法在求解精度和收敛速度上均有更好表现。（2）提出了一种基于直觉模糊小生境技术的鲸鱼优化算法。通过混沌序列和重心反向学习相结合的策略生成初始种群;利用直觉模糊小生境技术,增强种群在算法迭代过程中的多样性;并设计权重因子和收敛因子平衡算法的全局和局部寻优能力。通过仿真实验结果表明,改进算法在收敛精度、收敛速度和稳定性上,明显优于其他对比算法。（3）针对多碎片匹配问题,以兵马俑碎片的匹配为目标建立数学模型,将碎片的匹配问题转换为求最优匹配矩阵问题,利用基于直觉模糊熵的混合粒子群优化算法求解全局优化问题。针对碎片在虚拟拼接问题上的搜索时间长和运算效率低等问题,利用一种基于混沌反向学习的鲸鱼优化的碎片虚拟拼接方法,求得坐标的平移和旋转参数,得到最优的变换矩阵,提高了虚拟拼接的精度和效率。