近年来，参数化设计技术以其强有力的草图设计、尺寸驱动修改图形等功能，成为产品设计过程中初始设计、产品建模及修改、多方案比较和动态设计的有效手段，越来越得到人们的重视。国外一些先进的CAD系统己经具有一定的参数化设计功能，因而拥有较强的参数化设计能力己经成为现代CAD系统的重要标志之一。参数化设计技术的基础是约束技术。那么深入研究约束理论及其在图形设计中的应用对提高参数化设计技术是很有意义的。 几何约束求解是基于约束满足的参数化设计方法中的最核心技术。几何约束求解技术的好坏和成熟与否已经成为衡量一个基于约束的参数化设计系统优良的关键。 围绕着如何更好的建立几何约束模型及约束求解技术这一重要问题，国内外的专家学者在理论和实践上进行了广泛的研究，产生了很多解决约束问题的方法。当前求解约束问题的方法主要可概括为：整体求解法、稀疏矩阵法、连接分析法、归约构造法、约束传播法、符号代数法和辅助线法等等。这些方法从不同的角度出发，大大提高了计算机辅助设计的约束求解能力，同时这些方法也有各自的局限性，使得在约束求解中，有许多问题没有得到很好的解决。例如数值迭代法只能得到解空间中的一个解，无法对解空间中的多个解进行比较的问题，并且对初始值比较敏感，不当的初始值将导致算法不能收敛到用户想要的解；算法收敛的快速性和全局性问题；几何约束的欠约束和过约束问题等等。本文着重从算法的快速求解和全局性问题入手，借用群智能算法，力求提高算法的求解能力。 粒子群优化算法源于鸟群运动行为的研究，是一种启发式全局优化技术，一种基于群智能的演化计算方法。群体中的每一个微粒代表待解决问题的一个候选解，算法通过粒子间信息素的交互作用发现复杂搜索空间中的最优区域。 本文提出建立记忆表的方法，详尽描述了粒子搜寻求解的过程。并对固定惯性权重和时变权重在粒子搜寻求解的不同阶段的影响和作用进行了评估和总结。最后，针对基本粒子群算法易陷入局部极优点，搜索精度不高等缺点，采用常规遗传算法控制PSO算法的启发式参数，形成复合粒子群优化算法。