群体智能是研究基于群体行为模型的计算建模和实现的方法.如今,群体智能已经成为现代智能领域的主要研究热点,正日益受到更多人的关注和使用.随着大量的、新的、高效的群体行为模型的建立,群体智能的方法将会在更多的实际问题中发挥它应有的价值.　　 本文系统全面地介绍了群体智能中的两个典型范例,即粒子群优化算法和人工鱼群算法.这些方法通过“拟物”和“仿生”,为解决无约束非线性函数优化计算提供了新的方法和途径.　　 通过对粒子群算法的各参数进行分析,首先提出了一种改进的粒子群算法,该算法针对惯性权重和两个学习因子进行改进,同时为了增加粒子的多样性引入了遗传交叉因子,来提高算法的收敛性能.然后提出一种将改进的粒子群算法与Powell算法结合的混合算法,该混合算法将改进的粒子群算法所得结果作为Powell算法的初始解进行局部寻优,改进了粒子群算法后期收敛速度慢、精度不高的缺点.通过对多个函数进行测试,验证了本文算法在求解无约束非线性函数优化问题时的有效性.　　 每一种群体智能算法都不是完美无瑕的,它们存在一定的局限性、缺点和不足,所以算法的融合越来越受到人们的青睐.粒子群算法和人工鱼群算法也分别存在一些缺陷,本文将粒子群算法和改进的人工鱼群算法相结合,优势互补,增强算法的收敛性能和稳定性.仿真实验结果表明了本文混合算法解决函数优化问题的能力.