二十世纪蓬勃发展起来的智能算法为解决复杂优化问题提供了有利工具，在各个领域获得广泛应用。但是，智能算法种类多、待优化问题门类杂，如何在改善算法自身的同时，理清待求解问题的实质，从而实现问题的有效求解，是相关各个领域学者关心的问题。本文针对精密机械工程领域存在的非线性求解问题，研究两种典型群体智能优化算法，即遗传算法（Genetic Algorithm，GA，注：因GA算法优化求解过程始终以种群竞争与合作进行而将其列为群体智能优化算法）、粒子群优化算法（Particle Swarm Optimization，PSO），通过对群体算法的基本优化原理和关键实现技术研究，用以求解机械工程领域存在的优化问题。　　本文的具体研究内容包括：　　(1)首先，在分析群体优化算法的内涵及其研究现状的基础上，对现有两种方法的关键理论基础和实现技术展开论述，分析了主要优化思想、理论基础及实现技术的共性问题，为工程应用奠定理论和技术基础。　　(2)其次，从精密机械工程领域提取三类典型问题：即关键机械结构优化设计、机械零件几何形状优化评定及精密仪器扫描驱动优化控制，对三类问题的共性问题研究，提取优化目标函数和优化变量，用于构造群体优化算法进行优化计算的适应度函数和个体及种群的设计。　　(3)最后，根据实际问题设计优化参数和策略，对几个应用实例进行了计算分析。其中采用了理论与实验分析相结合的研究方法，分别应用遗传算法对柔性铰链进行了优化、应用粒子群优化算法对几何形状误差和扫描白光干涉系统自动参数进行了优化。研究了改进的灰度方差函数用于扫描白光干涉系统自动对焦的确定，提出分段自适应惯性权重的PSO算法。　　研究工作是在用便于理解的语言分析两种群体优化算法的理论和实现技术基础上，研究其应用的范例，便于推广和使用，具有理论意义和实际意义。