群体智能优化算法是一类受自然界生物群体行为启发的计算方法，通过模拟蚂蚁、蜜蜂、鸟群等生物群体的协作与竞争机制来解决复杂优化问题。这类算法利用多个个体（称为“代理”或“粒子”）在解空间中的分布式搜索能力，通过信息共享和简单规则迭代寻找全局最优解。典型的群体智能算法包括：1.**蚁群优化（ACO）**：模拟蚂蚁通过信息素路径寻找最短路径的行为，适用于组合优化问题（如旅行商问题）。2.**粒子群优化（PSO）**：模仿鸟群或鱼群的群体运动，通过个体历史最优和群体最优更新位置，常用于连续空间优化。3.**人工蜂群算法（ABC）**：基于蜜蜂采蜜的分工模型，通过雇佣蜂、观察蜂和侦察蜂的协作实现搜索。4.**萤火虫算法（FA）**：利用萤火虫的亮度吸引机制调整搜索方向。优势包括并行性、鲁棒性和避免局部最优的能力，广泛应用于工程优化、机器学习参数调优和调度问题等领域。
