装配序列规划是产品生产过程中的基本环节，其质量直接影响着产品的性能。一条较优的装配序列可以减少产品的生产成本，使生产周期降低。因此，探索一套搜索产品装配序列的有效方法，对制造业的发展有着十分重要的意义。　　本文利用集成干涉矩阵搜集装配信息，再利用群智能算法对装配序列规划进行搜索。具体的实现原理归纳如下：　　首先，建立一个集成干涉矩阵，对已经装配好的产品进行拆卸，利用零件与零件之间的约束关系确定每个零件与其他零件之间的装配信息。在拆卸零件的时候，确定产品的基准件，在之后的装配过程中以此零件为中心进行装配。　　其次，利用蚂蚁算法(Antcolonyoptimization，ACO)对装配序列进行局部搜索，每完成一次零件的选择利用局部更新规则对信息素更新一次。每完成一次搜索之后利用全局更新规则对路径信息素进行更新，同时利用[?min，?max]对路径信息素进行限制，将搜索到的可行解设置为X1。　　然后，利用混沌算法搜索产品的装配序列，运用Logistic映射生成混沌因子，结合产品的零件数生成装配序列，将此可行解集设置为X2。最后，利用遗传算法(GeneticAlgorithm，GA)对装配序列进行全局搜索，将X2，X3设置为初始种群，以一定的概率采用多点交叉技术搜索，将此过程的可行解集设置为X3。　　最后，利用适应度评价函数计算以上三种解的值。采用轮盘赌方法进行选择，选择最优和最劣的比例为1：9的种群进行信息的全局更新，继续利用ACO算法和混沌算法进行局部搜索，利用GA算法进行全局搜索。当满足N>Nmax时，搜索终止。　　本文在VC++6.0环境下通过实验验证了该算法的有效性，并与传统遗传算法、基本的ACO算法和ACO-GA混合算法进行了比较，从时间上、装配成本上验证了该算法具有更好的性能。