群体智能算法是一类模拟自然界生物行为的算法，在近年来受到国内外专家学者广泛关注，通常用于求解复杂优化问题或者应用于多智能体协同任务或编队等行为问题。相较其他经典的数值优化算法，其具有较强的鲁棒性、全局性、并行性、高效性、及非线性求解能力等特点。多智能体系统是研究群体智能的一大载体，通过模拟自然界生物的集群现象，在群体形态的聚合与涌现过程中，可以挖掘其中存在的智能。本文主要针对群体的形态生成与转换开展研究，分别提出了在受限环境下的群体追踪形态形成方法，以及应对新态势的群体形态转换框架，具体如下：
　　1、针对群体形态聚合与涌现，本文在多级基因调控网络的框架下，提出一种基于追踪基因调控网络。该基因调控网络可以产生群体追踪目标所需的群体形态，并根据目标的运动状态，使群体自适应地调整追踪形态。此外，该基因调控网络增加了避障因子，使群体可以在受限环境中完成对目标的追踪，提高了追踪的鲁棒性。实验结果表明，群体在固定障碍和动态障碍下都有良好的追踪表现，相比传统的追踪算法在追踪性能上也具有优的稳定性与鲁棒性。
　　2、针对场景态势变化问题，本文进一步提出了组内-组间-组内的群体形态转换框架。该框架可以使群体针对感知到的新目标，进行组内-组间的协商决策，使合适的群体小组脱离集体，群体小组根据组间-组内异构信息融合下的群决策方法，选择合适的群体形态作用于新目标。实验结果表明，该框架能够使群体针对性地应对新目标的潜在威胁，并根据目标的行为状态，选择合适的群体形态作用新目标。