印刷电路板（Printed Circuit Board,PCB）是承载电子元件的母版,它代替了传统的复杂布线方式,实现了电路的电气连接。PCB质量的好坏将直接影响电子产品的性能和质量。在PCB生产过程中,容易存在一些质量问题,诸如焊盘或过孔不通、走线因腐蚀过度而断路、腐蚀不到位而短路等。随着集成电路技术的不断发展,现代PCB趋向于高精度化与高密度化,从而要求更加精细的电子工艺技术和测试手段保证生产质量。自动光学检测（Automatic Optic Inspection,AOI）通过非接触式的电子检测方法,对PCB实现了有效而精确的测量,已成为现代PCB产品缺陷检测的主要方向。在检测PCB的过程中,需要将PCB标准图像与待检测图像进行对位,为下一道工序提供良好的配准和检错环境。传统手动对位方式耗时且对位精度较低,造成检测时间的延长及误检率的上升。针对上述问题,本文提出两种基于群体智能优化的天牛群优化匹配算法,可以优化自动光学检测中的对位流程,能够在较短时间内找到最优或接近最优的解决方案。本文主要研究工作如下:（1）提出一种基于领头天牛机制和约束型莱维飞行的天牛群优化算法。首先利用种群信息,使用天牛群群体方式提升算法的收敛速度与稳定性;其次在种群更新过程中引导表现不佳的个体在领头天牛周围产生新的天牛个体,提升算法收敛精度;最后使用约束型莱维飞行平衡局部开发和全局探索的能力,并针对个体在更新位置时容易超出边界的情况,对飞行的步长以及方向进行约束。实验表明算法具有求解精度高、稳定性好等特点。（2）提出一种基于均匀分布与反向学习策略的天牛群优化算法。首先使用均匀设计对初始种群进行优化,使得天牛在初始就能均匀地覆盖整个搜索空间,具有更好的均匀性和多样性;其次采用反向学习策略增加天牛个体的搜索范围,在左右须位置的基础上增添反向解方向,提高天牛的局部搜索能力。实验结果表明该方法具有收敛速度快、鲁棒性强等特点。（3）将天牛群优化匹配算法应用于AOI的对位流程中,从收敛情况、匹配速度和匹配精度方面分析算法的匹配性能。实验证明,本文算法相较于传统对位方式在运行时间上有明显的降低,对位精度得到大幅度提升,且对噪声具有较强的鲁棒性,能够满足工业检测的实时性要求。