动漫产业是一个新兴的产业，它被视为是创意产业的一种，并被越来越多的国家和城市所重视和大力扶持，尤其是群体动画。例如现在比较受人们关注的《变形金刚》、《熊猫功夫》等大型、经典的群体动画。然而群体动画中除了复杂场景的设计、吸引人们眼球的角色造型等方面的研究外，角色之间的碰撞避免也成为制作群体动画的核心技术之一；又由于现在计算机技术的迅速发展，人们对群体动画的喜爱，使得碰撞检测问题再一次成为研究的热点。现在碰撞检测问题已经成为计算机图形学、群体动画、机器人路径规划、虚拟模拟等领域的研究热点。现在自然界中动物群体运动越来越多的受到人们的关注，很多人想利用计算机技术模拟这种群体运动。首先是使用关键帧技术来生成动画，这种技术无疑是对传动手绘动画技术的一种提高，但使用这种方法不但消耗动画制作者大量的时间，制作出的动画也比较机械简单，缺乏自主性。随着计算机技术的迅速发展，群体动画技术将计算机动画提高到了一个更高的高度。群智能算法与群体动画技术结合再一次提高了计算机动画制作技术。现在较为流行的群智能算法主要有微粒群算法、蚁群算法、蜂群算法等。而微粒群算法（PSO算法）应用最为广泛。PSO算法是模拟鸟群的捕食行为的一种优化算法。PSO算法把优化问题的解比喻为搜索空间中的一只只正在觅食的鸟，并称之为“粒子”。用适应值来评价“粒子”的优劣，每个粒子除了具有速度大小属性之外还有速度方向等属性，并且每个“粒子”除了自己能够得知当前的适应值之外还对上一步的适应值有所记忆，并在得知自己当前的适应值之后，与记录的适应值进行比较，如果比上记录的适应值性能更好，则放弃所记录的适应值而保存当前适应值，否则，保持记录不变，在每一步中每个“粒子”所保存的最优值被称为“个体极值pBest”。同时对于整个鸟群来说还有一个引领者，此引领者是所有“粒子”中适应值最好的那一个“粒子”即当前代中最优解，其它“粒子”会在它的带领下一步一步的向食物靠近，当前代整个鸟群所保存的最优解成为“全局极值gBest”。所以“粒子”都是通过跟踪这两个“极值”来更新自己的速度大小、方向等属性。群体动画与虚拟场景等对碰撞检测精确度要求很高的技术有所不同，群体动画对设备要求不是很高，这就要求检测群体之间是否发生碰撞的算法简单高效。一般简单的碰撞检测算法会出现角色穿透角色、角色穿透障碍物现象。本文针对以上问题及一般的碰撞检测算法速度慢问题提出了一种新的碰撞检测算法——基于RMPSO的碰撞检测算法，本算法分为两个阶段完成：粗鲁阶段、精确阶段。由于标准的PSO算法具有容易陷入早熟、群体多样性差等缺点，本文提出了一种改进的RMPSO算法。RMPSO算法增加了群体的多样性、提高了算法的准确性，使PSO算法更加智能。为了避免角色之间出现穿透问题，本文将障碍物分为静态障碍物（场景）与动态障碍物（群体角色）两大类。对静态障碍物采取以下策略：将角色看为一粒子，过粒子做障碍物的两条切线，将粒子沿切线移动。为使制作出的动画更加真实，粒子应选择离自己目标位置比较近的一边移动，本文将采取一定的算法使其能够沿靠近目标点的一侧移动。对动态障碍物的碰撞避免策略为：减小步长的方法，如仍将发生碰撞，则采用暂停运动的方式进行碰撞避免。此方法既体现了角色之间相互礼让的社会形态，也解决了碰撞穿透问题。本文基于HOOPS和ACIS平台用C++编程实现对本算法的模拟，并将模拟中的场景和群体角色路径数据进行保存，最终用Maya软件生成动画。实验表明，改进后的RMPSO算法比标准的PSO算法以及MPSO算法都具有更好的性能，尤其是在避免早熟现象以及提高群体的多样性方面。同时将基于RMPSO算法应用于碰撞检测算法，生成的动画显示：基于RMPSO碰撞检测算法具有良好的性能。本文将其与基于PSO碰撞检测算法进行了比较，实验表明本算法不但能够很好地避免群体之间的碰撞，在运算速度方面也有一定的提高。概括来说，本文的主要工作和创新点有以下三点：(1)分析了几种主要的群智能算法的优缺点，尤其是标准的PSO算法的优缺点，并提出了一种多样性更好，速度更快的RMPSO算法，最后通过实验证明RMPSO的有效性与高效性。(2)提出了一种新的快速的碰撞检测算法——基于RMPSO的碰撞检测算法，并与基于PSO的碰撞检测算法进行比较，证明了基于RMPSO的碰撞检测算法的高效性以及多样性。(3)提出了一种简单、智能的碰撞避免算法，解决了个体因避免碰撞障碍物而绕远的情况。使用此算法后，个体可以绕离目标进的一侧移动，使个体更加的智能。(4)基于.NET+HOOPS+ACIS平台开发了一碰撞检测算法系统，将基于RMPSO碰撞检测算法应用于具体场景中，并将个体路径数据保存，利用Maya软件制作出群体动画，通过群体动画验证了此算法的实用性、有效性以及高效性，解决了一般碰撞检测算法速度慢等问题。