粒子群优化算法(Particle swarm optimization，PSO)源于对鸟群捕食行为的研究，是一种基于群体智能方法的演化计算技术。在实际工程中表现出巨大的潜力。但在数值建模和优化计算等许多领域中，处理大量数据和求解大规模复杂问题时，PSO算法依然需要大量的计算时间，而并行PSO算法由于能较大幅度缩减问题求解的时间，因此成为一个研究热点。当前并行PSO算法主要在并行机上运行或用多线程技术模拟，主要存在下述不足：进程间通信损耗限制了粒子规模；大多数研究人员没有硬件环境，无法使用并行机解决问题；多线程技术是在CPU上用串行模拟并行，不能真正提高性能。近年来，计算机图形处理器(Graphics processing unit，GPU)绘制流水线的高速度和并行性以及近年来发展起来的可编程功能，使其在通用计算领域的应用有着巨大的潜力。本文针对传统并行粒子群算法在实际应用中的不足，结合GPU的高速并行性，本文提出了一种基于GPU加速的细粒度并行粒子群算法(GPUPSO)，将并行PSO求解过程转化为GPU纹理并行渲染过程，使得PSO算法在GPU中加速执行，在取得了较好的优化效果的同时，解决了细粒度并行的粒子规模限制问题，提高了算法的运算速度。变形物体的碰撞检测一直是机器人、虚拟现实、动画仿真等领域中一个非常关键的问题。本文针对传统层次包围盒算法在变形物体的碰撞检测中每一帧更新数据量大，效率低的难点问题，将基于GPU加速的并行粒子群算法(GPUPSO)应用到碰撞检测领域，实现了一种基于粒子群优化和GPU加速的变形物体碰撞检测算法，有效地减小了搜索空间，提高了算法效率。该方法将空间物体间距离计算转化为二维离散三角面片中最近三角面片对的寻优问题，并使用GPUPSO算法对其进行求解。实验数据表明，该算法在计算最近距离和获取碰撞位置时得到了较准确的实验结果，同时速度较快，是一种可行的变形物体碰撞检测方法。