群体智能研究群体中大量简单个体通过相互作用而自发地涌现出来的智能行为。牧羊任务（Shepherding Tasks）是一种经典的群体智能模型,目的是模仿自然界牧羊犬驱赶羊群的行为,研究少数智能个体如何有效控制大量简单个体行动的策略。牧羊犬的行动策略可广泛应用于机器人或无人机的控制、撤离人群、地震救灾和海上救援等场景。本论文聚焦牧羊任务的最基本模型之一,自推进粒子模型（Self-Propelled Particle Model）。该模型的目标是使用单只牧羊犬实现把随机分布在空间的一群羊快速驱赶到一个指定区域（目的地）。在驱赶羊的过程中,牧羊犬通过观测羊群的聚合程度,交替使用两种行动策略,即聚集和驱赶策略。其中,聚集策略把分散的羊集合成一个紧密的群体,而驱赶策略把聚集的羊群整体朝目的地方向驱赶。但传统的聚集策略每次选择距离羊群中心最远的羊为行动目标,忽略了目标羊、羊群中心以及目的地的相对位置,因此容易在集合羊群的过程中分散羊群或者使羊群偏离目标区域,从而增加总的时间开销。为了提高牧羊任务的效率,本论文提出两种改进的聚集策略,即最大角度策略和最大周长策略。最大角度聚集策略能够解决在聚集的过程中分散羊群的问题。该策略的原理是牧羊犬每次聚集羊群时,计算牧羊犬当前位置与羊群中心点以及每只羊三者连线的夹角,并选择夹角最大的羊为行动目标。这种策略可以保护聚集好的羊群不被牧羊犬冲散。实验表明该策略在时间步数、轨迹距离和离散程度等指标上均优于传统策略,其中最重要的时间步数指标平均提高了12.70%。最大周长聚集策略能够解决聚集羊群过慢的问题。该策略的原理是牧羊犬每次聚集羊群时,总是选择与羊群中心以及目的地的距离之和最大的羊作为行动目标,避免选择离目的地近的羊。同时,为了提高聚集和驱赶两种策略之间的切换频率,本论文设定以目的地为中心且角度可变的扇形区域作为羊群聚集度的评估标准。这个改进可以有效避免牧羊犬去驱赶已经处于目标区域附近的羊,节省牧羊任务完成的时间开销。实验表明最大周长聚集策略在时间步数、轨迹距离和离散程度等指标上均优于传统策略,尤其是时间步数指标相比于传统模型平均提高了40.07%。最后,为了进一步验证两种改进策略的有效性,本论文针对大规模羊群的牧羊任务做了实验,并讨论了在羊群数量增加以后单只牧羊犬控制能力的局限性。