自然界是人类创新灵感的不竭源泉，生物智能是智能科学研究的出发点和归宿。在漫长的进化过程中，各种自然生命能够经受住优胜劣汰的竞争环境而最终生存下来的，不论是低等社会性昆虫，还是高等灵长类生物，无不具有非凡的能力和智慧。然而，在人工智能的研究中，人们长期以来关注的焦点，往往是致力于模拟和再现自然界高等生物的智能行为。从二十世纪九十年代初期，才逐渐开始关注社会性昆虫在群体层面所表现出来的智能，并由此引发了对低等生物乃至高等生物集体行为特性的研究热潮，集中表现为对群体智能的研究。　　 群体智能在没有中央控制并且不提供全局模型的前提下，为设计智能系统、解决复杂问题提供了新的思路。这种方法用个体自治、涌现和局部规划代替了传统的集中控制、分治和全局规划，强调相对简单个体之间直接或间接交互作用，在系统上具有更强的适应性、鲁棒性、可扩展性、可重构性。　　 本文从概念、性质、模型、方法等多角度对群体智能进行了深入研究，结合当前群体智能研究中的热点、难点和关键问题，对群体智能中的交流与协作，从理论和应用两方面进行了深刻研究，取得了诸多具有创新性和应用价值的研究成果，具体如下：　　 1.群体智能理论研究　　 论述了群体智能的学科地位，明确了群体智能的概念，分析了群体智能的特性，给出了群体和个体的形式化描述方法；通过将群体系统与复杂适应系统进行对比研究，提出群体系统是一类特殊复杂系统的观点；并从群体智能本身的局限性出发，提出了系统智能的思想。　　 2.群体智能模型研究　　 从自然界群体生物的交流与协作行为出发，分析了这些交流协作机制的共性特征，给出了群体系统在交流与协作中的个体结构、群体结构、层次结构等，构建了人工群体系统社会体系架构，阐述了其中的交流协作控制机理；分析了传统模型中的交流与协作机制实现方法，通过引入信息理论中的信息熵和互信息概念，分别对状态搜索中的个体信息质量和个体之间的交流效率进行评价，构建了一个面向群体系统的、可操作、可进行数学量化分析的交流模型。　　 3.群体智能优化方法研究　　 从启发式算法设计的角度出发，讨论了高等生物中的群体智能特性及其在算法设计中的应用，并由人类等高等生物的交流和记忆行为机制的启发，提出了一种新的群体智能优化方法一路径交换算法；调用TSPLIB中的数据对算法进行了测试实验，并与其他启发式算法进行了比较，分析了算法的优缺点；通过应用交流模型，引入信息熵对个体行为进行评价，作为个体当前路径质量的加权算子，以此对算法进行了改进，通过数据实验并与原方法进行比较，考察了该方法的可行性。　　 将路径交换算法加以改进，应用于解决指派问题，通过典型例子的实验、随机算例的实验验证了其可行性和有效性；通过构造启发式矩阵的方法，将二次指派问题化简成指派问题，再用改进的路径交换算法对此问题进行求解，利用QAPLIB中的算例进行了实验，实验结果与其他启发式算法进行了比较，证明了算法解该问题的可行性；对算法在离散域寻优和连续域寻优的的不同点进行了对比，分析了算法应用于连续域寻优的可行性，并提出了算法改进的要点。　　 4.群体智能学习方法研究　　 对蚂蚁合作搬运食物现象中的交流学习机制进行了分析和推理，在强化学习方法特别是Q-Learning方法的基础上，提出了一种适用于群体系统、即时在线的学习方法——邻域折扣信息学习方法(NDI Learning)。该方法在个体之间信息交流的基础上，通过比较邻居的折扣累积报酬值，让个体在决策的每一步都能学习优秀近邻的经验，以使得群体总效率不断提高。通过运用该学习方法，对蚂蚁合作搬运的行为进行了仿真实验，仿真结果与自然界蚂蚁合作搬运的行为过程高度拟合，证明了学习机制设置的合理性，并通过搬运效率的提高证实了学习方法的有效性。最后，讨论了学习方法的收敛性及发散原因，通过蚂蚁类别的数量变化对群体学习进度进行了分析。　　 综上所述，本文重点面向群体智能中的交流与协作机制，给出了一般性的模型方法和定量评价体系，并根据该模型框架，由自然生物交流与协作行为机制启发，提出了面向具体问题的优化方法和学习方法，证明了文中所阐述的理论与模型的合理性，也显示了该模型方法的研究价值和潜力。　　 论文的研究成果丰富了群体智能理论，并首次提出了具有普适意义和应用价值的量化指标，为构建群体智能一般理论体系提供了重要参考。论文提出的优化和学习方法，在具体的仿真和应用中体现了其有效性，具有一定的理论价值和实际应用价值。