群体智能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。 一些群体智能算法，如蚁群算法和微粒群算法，同归于进化计算的范畴，因此在原理机制里隐藏着和进化算法相似的地方，也有着相同的缺陷：总是存在着收敛速度与收敛质量的矛盾。另外一方面，在它们的发展过程中，很多改善的思想也都来源于进化计算领域。 论文在讨论进化计算领域中各种典型方法的基础上，研究了了蚁群算法和微粒群算法，包括算法的原理机制，流程实现，优点缺陷，改进思想和方法，顺便介绍了蜂巢的路由与调度机制。 最后集中对微粒群算法作了深入的研究，包括对微粒群算法全局与局部搜索能力的缺点分析，各种改进的策略，心理学中的感觉规律与量化，提出了一种具有感觉特征的微粒群算法，将感觉模型引入了微粒群的开发部分中，以加强局部搜索的能力。通过仿真与遗传算法、基本的微粒群算法、耗散式微粒群算法的计算结果作对比，验证了具有感觉的微粒群算法优越的开发能力、全局局部搜索协调的能力。还对算法的重要参数作了讨论。