受自然模型启发的智能计算凭借其智能、简单而高效的特点,广泛应用于工程优化、工业设计、数据挖掘等领域。然而,由于智能算法包含复杂的随机行为,其求解过程存在执行时间长、易陷入局部极值、适用性差等问题。同时随着实际问题规模和复杂度不断增大,其与智能算法之间的“代沟”也在日益增大,从本质上提高智能算法的效率和适用性对智能计算的发展与应用具有重要而深远的意义。本文对智能算法模型中的基本要素——智能点与群行为特征进行研究,从本质理论出发,研究点群模型与算法的关系,以提高算法的性能和适用性；进而将智能模型并行化,提高算法的效率。在此基础上,遵循“简单而有效”的原则,提出了一系列基于点群行为的新型智能计算方法,并从理论上验证了算法的有效性和收敛性,主要工作包括：(1)对智能点行为特性进行理论分析、建模,并提出基于点模型的冰晶能量算法。以往的智能算法中,智能点之间往往具有较多的交互,执行效率低。针对这一问题,本文受湖面结晶现象启发,提出智能点并行建模策略,遵循热力学定律,提出冰晶能量算法。该算法具有极强并行性和鲁棒性,从本质上大幅度提高了智能算法的效率。(2)对智能群行为特性进行理论分析、建模,并提出基于群模型的动态群搜索算法。传统的群搜索算法适用性较差,处理动态和离散型问题时,效率较低,易陷入局部极值。针对这一问题,本文受群行为启发,引入群动态模型、六度空间模型和离散模型,提出动态群搜索算法。该算法不仅大大提高算法在动态问题中的效率,而且拓宽算法的应用范围。(3)对智能点群行为特性进行理论分析、建模,并提出基于点群模型的冰晶点群算法。在大规模问题中,传统智能算法复杂度极高,很难在有效时间内求解。针对这一问题,本文结合点模型并行性与群模型智能性的优势,建立冰晶点群模型,实现冰晶点群的独立自我学习,该算法同时具有较高的效率与求解能力。(4)对智能点群同化行为进行理论分析、建模,并提出基于点群同化行为模型的点群同化策略。现有的启发式模型多为初等智能。针对这一问题,本文对智能点群模型引入人群智能行为,对人群同化行为进行建模,从力学角度出发,分析点群同化理论的稳定性。该策略极大程度地增强了网络行为智能性,针对性地提高了网络性能。(5)应用智能点群行为模型,解决实际网络问题,分别进行动态网络规划和推荐系统构建。现有智能算法不足以应对日益增强的网络问题规模和复杂度。针对这一问题,本文一方面从本质上提高智能算法的执行效率,另一方面通过构建网络行为,增强网络智能性。通过实验模拟与理论分析证明,本文提出的点群模型大幅度增强了算法在AdHoc网络动态规划中的效率和适用性,点群同化理论提高了推荐系统的准确度。