自然界不仅有智能的集成大者和统治者，同时还存在着那些让人类也叹为观止的生物群体智能现象。蜂巢之精美，蚁群之有序，雁队之和谐，这些群居生物所体现的社会性和分布式智能实现模式确实值得我们人类学习。群体智能就是这样一种在自然界生物群体表现出的智能现象启发下提出的人工智能模式，是对简单生物群体智能涌现现象的具体模式研究。群体智能的迅速发展体现了科学领域发展中生命科学与工程科学的相互交叉、相互渗透和相互促进。 在群体智能计算及智能控制相关的研究领域，各类算法模式层出不穷，它们形态各异，理念各异，建模及分析工具各具特色，但这恰恰体现了智能计算的多样性。而在某些智能算法之间也必然存在着一定程度的统一性，离开了多样性，智能的统一性就无从谈起，但离开了统一性，对各具特色的智能工具也就无法进一步深入认识了。由以上观念，再结合智能计算领域的各类相关研究成果，本文将其中的某些具有相当数量共同特征的算法加以详细分析，构建一套各相关算法都能遵从，并在具体应用时又能不失其多样性的群体智能计算分析框架，即本文主题：群体智能计算模式的统一性及多样性实例研究。 本文主要的创新性结果体现在如下几个方面： （1）在群体智能中，不同的智能体具有不同的外在表现形式，但它们所表现出来的计算模式具有相对的统一性。基于这一理念，对群体智能的总体模式进行了形式化描述和探讨，提出群体智能计算模式的统一框架，给出了群体智能的总体分层框架模型。然后，基于群体智能计算模式的统一框架，以蚁群算法、微粒群算法、分布估计算法和人工免疫算法等典型的群体智能计算模式为例加以具体论述，分别给出了这几种算法的总体形式化描述和智能计算模式框架理念求证，通过形式化描述、框架性建模、典型算法模型展开及分析，使群体智能计算理念从宏观到微观再到宏观、从统一性到多样性再到统一性得到了较为系统的展现。 （2）以一种典型的群体智能计算模式-微粒群算法为例，进行具体的群体智能的多样性实例研究。对智能微粒群算法的优化效能评价进行系统化工作，在智能优化基本指标体系的指导下，构建一种能够综合评价算法整体优化性能和群体总体寻优动态的智能微粒群优化动态效能评价模式体系，并分别对算法最优值动态、群体聚合度动态、重心收敛度动态和群体多样性动态等评价模式进行了实例仿真和有效性验证。 （3）在群体智能统一框架理念的指导下，进行微粒群改进模式的研究，分别提出了两种微粒群算法改进模式-基于生态群竞争模型的微粒群算法（EPSO）和基于引力场模型的微粒群算法（GPSO），并进行了数值仿真与比较分析。该研究通过抽取生态系统的信息处理机制，考虑到生态学中的种群竞争机制，拓展了传统微粒群算法的种群组织和寻优模式，拓展了微粒群算法的生态基础和系统行为。GPSO借鉴了自然界万有引力概念，从引力场的对个体运动的作用方面来改进微粒群算法的组织形式及运动模式，其中的微粒群具有自组织的场结构模型，同时微粒的质量遵循质量可变的原则。 （4）对微粒群算法的收敛性进行了较为系统的分析总结。基于简化的离散微粒群系统的收敛条件，将微粒群优化与自适应动态规划进行结合，进行了基于群体智能搜索模式的离散微粒群系统参数的近似动态优化。首先，在对一个近似简化的离散反馈控制微粒群系统进行收敛性分析的基础上，提出了一种群体智能近似动态规划算法（swarm-ADP）；然后考虑微粒群算法中随机变量的影响，以离散随机系统的模式来分析微粒群系统的收敛性，并对随机PSO系统进行参数的动态优化研究，提出了一种群体智能近似随机动态规划算法（ASDP）；最后通过数值实验验证了所提出的群体智能近似动态优化方法的有效性。 （5）进行了群体智能的应用领域拓展研究。首先，将群体智能引入到大学排名系统参数优化，以上海交通大学高等教育研究所发布的世界大学排名系统为例，设计一种非线性的映射关系来模拟该排名指标体系，并利用微粒群算法进行排名体系的学习和映射关系参数的优化。然后，将群体智能应用于半导体封装测试生产中，基于实际的生产数据，进行了基于微粒群优化的焊球回流工序的残次品主次成因群体智能分析与仿真，并对一类简化的封装作业车间调度优化问题进行研究，提出了一种基于群体智能的动态调度方法。 最后，对论文的研究工作进行了总结，并展望了群体智能理论需要进一步研究的课题和实际应用拓展的前景。