群体仿真是一项借助计算机对群体行为进行模拟研究的技术，它随着计算机图形学和虚拟现实的发展而逐渐发展起来，并在各个领域得到广泛的应用。特别是在城市规划、群体性突发事件的预判、大型动漫游戏的制作、消防安全、建筑设计、国防安全等方面发挥了重要的作用。群体智能算法是人工智能的一个重要分支。它通过对生物群体行为的模拟，产生了一些处理复杂优化问题和其它一些实际应用难题的新思路和新方法。比如，受到鸟群觅食行为而成功设计的启发式算法有效的应用在组合优化、群体路径规划、资源调度、虚拟网络和通信等方面的实际问题。路径规划是群体仿真中最重要的研究之一。在自然界中有许多动物和昆虫虽然个体微不足道，但群体分工明确、秩序井然。群体智能算法就是一类模仿自然界群体智慧的算法。群体仿真和群体智能存在着天然的联系。在群体仿真中，如何通过群体智能算法进行群体路径的规划是当前研究的热点，它能为群体动画的创作提供素材和技术支持，也能为大型的疏散逃生仿真提供底层支撑。决策树算法是一种通过一系列的规则对数据进行分类评价的方法，也是一种机器学习的方法。通过它可以进行路径评价，提高分类的效率和准确率。本文所做的工作主要如下：(1)针对群体仿真中聚集场景的特点和现有方法的不足提出了基于改进微粒群算法的多种群划分的聚集路径规划方法。具体方法是：首先，针对聚集现象修改算法的参数；其次，提出一种基于微粒群算法的多种群划分策略；最后，对多目标点聚集可能出现的拥堵排队状况提出了一种动态调整的策略。避免了传统的多种群划分的依据单一、不明确的情况。这一改进有效的提高了群体仿真路径规划的效率，增强了群体仿真的逼真效果。(2)针对群体仿真中大量粒子运动路径的评价中存在的评价速度慢、准确率低、缺乏依据特征等问题，提出了基于决策树算法的路径自动评价模型。在群体粒子的聚集过程中，通过分析提取影响其运动行为的属性，应用于决策树算法进行生成路径好坏的判断评价。这一模型有效改善了传统评价方法的缺陷，具有较高的实用性和有效性。(3)结合具体科研项目，在VS2003平台上，基于ACIS、HOOPS环境下运用以上研究成果进行了仿真实验，验证了本文提出的基于微粒群算法的多种群划分的策略和动态调整策略的路径规划方法的可行性和有效性。在Matlab中比较了传统路径评价和其改进方法。实验表明本文提出的基于决策树算法的路径自动评价模型提高了评价的速度和准确率。