本文较系统地综述了群体智能算法和矢量量化数据压缩理论。特别是矢量量化码书设计和码字搜索的发展历程和研究现状。回顾了经典的矢量量化码书设计算法——LBG算法和传统的码字搜索算法。探讨了新兴的群体智能算法在解决诸如TSP组合问题的性能,并针对经典的矢量量化码书设计算法的固有缺陷,提出了一种将群体智能算法和LBG算法结合的码书设计算法。仿真实验证明了它在图像压缩编码中的有效性。传统的码字搜索算法——穷尽搜索算法会随着码书规模的增大和码字维数增加,计算量急剧增加。为了克服该缺陷,重点探讨了矢量量化码字搜索算法问题。本文在变换域内搜索码字,并引入Chebyshev距离测度和PDS算法。仿真实验表明此改进算法能快速有效地搜索码字。群体智能算法包括蚁群算法和微粒群算法。这两种算法都具有很强的鲁棒性和并行性。本文在码书设计中,根据LBG算法具有较快地发现局部最优解的能力,微粒群算法具有全局搜索最优的性能,将这两种算法结合提出了一种新的优化策略,设计出了性能良好的码书。本文为了研究群体智能算法的特性,在传统的组合优化TSP问题上用经典的遗传算法与之对比,仿真实验表明智能算法具有一定的优势。最后对全文的工作进行了总结,对矢量量化技术和群体智能算法的进一步研究进行了展望。