无人机技术以及无线通信网络技术不断发展,为构建基于移动基站的通讯网络提供支持,保障突发场景下的临时通讯需求。相较于常规的宏基站,部署在动态环境中的移动基站系统容易受到,如动态环境的未知性,通信距离和覆盖范围的局限性,网络资源的有限性等因素的影响。因此,如何让移动基站系统在快速探测并覆盖目标区域的同时为该区域提供稳定且流畅的网络服务是本文需要解决的主要问题。群体智能方法从蚁群、蜂群构成的复杂类社会系统中获得启发,通过加强个体之间的协作,使得集群可以突破个体能力限制,表现出更强大的实力,获得事半功倍的效果。本文主要立足于群体智能方法,对移动基站的部署和服务保障场景进行研究,将其划分为路径规划与部署以及网络服务性能保障两个子任务,探究如何用群体智能方法促进移动基站内个体间的协作以优化系统服务性能。在路径规划与部署场景中,参考群体智能方法,本文提出了基于集群控制的改进领航算法,用于引导无人机集群协同前往目标区域;同时提出了基于数字信息素的改进蚁群算法,指导无人机集群在到达目标区域后对需求点进行探测以及监控回访任务。在该项工作中,本文将语义概念融入数字信息素,并设计了语义融合算法,构建人工信息素势场用于指导无人机进行分布式决策。此外,本文提出用矢量信息素代替标量信息素反映更准确的信息素浓度变化趋势,为个体决策提供更优的指导。通过多样化的仿真实验,本文从目标获取率、需求响应速率、区域覆盖率以及无人机集群的路径分析几个角度出发,验证了群体智能方法在无人机集群路径规划任务上的有效性。在服务保障场景中,参考群体智能方法,本文选取图注意力机制（GAT）优化基站间的信息聚合与协作机制,使其能够准确地聚焦有效信息,捕获和处理由于用户移动性导致的需求时空潮汐性,实现多智能体系统的高效协同。同时,本文将GAT与强化学习算法相结合用于获取最优的无线网络资源按需调配策略。通过充分的实验证明,在应对差异化网络业务需求以及用户移动性带来的业务波动时,基于GAT的多主体强化学习算法在系统效用、频谱资源利用率以及各类业务的用户服务满意率方面都有较好的性能表现。当GAT搭载不同的强化学习算法时,相较于基线算法,都呈现出一定的性能增益,反映了GAT结构的普适性。以上工作进一步证明了,群体智能方法通过加强个体之间的协作关系,能为网络资源按需调配带来一定的性能提升。