群智能算法是科学家汲取自然界生物觅食行为的灵感而创造出的一种进化计算技术。自诞生以来,群智能算法得到科学家们广泛的研究和探讨,在经典NP问题,路径规划,最优值搜寻等方面有着不俗的表现。目前,研究比较成熟的群智能算法有粒子群优化算法、蚁群优化算法、菌群优化算法等。群智能算法在碰撞检测中的应用尚处于探索阶段,存在的主要障碍可能是群智能算法的收敛速度普遍较慢,而碰撞检测过程对实时性要求很高。本文对部分群智能算法的收敛性进行了浅显的研究和探讨,提出基于解空间划分的PS0优化算法和基于惩罚函数和信息素负向更新模式的蚁群算法。前者对比较经典的粒子群优化算法法进行了改进,在一定程度上加快了其收敛速度。后者对经典蚁群算法进行了改进,改进后的蚁群算法在绝大部分情况下能得到比原算法更优的结果。新的算法使种群中个体行为更倾向于没有搜索的位置,降低了个体的智能行为,近一步降低了算法对局部最优解的依赖性。实验表明,两种算法与传统群智能算法相比,能成功降低迭代次数,并得到更优的解。经过对粒子群优化算法、蚁群优化算法、菌群优化算法等经典群智能算法思想的总结,个人认为菌群算法能较好的与碰撞检测相结合,发现菌群算法能形成像“外衣”一样的模型模拟从而达到碰撞检测的目的,而且经过集群过程后,使得对碰撞有一定预见性,在碰撞细致性及逼真性方面取得了一定理论成果。