针对现有激光化学气相沉积设备在寻找掩膜版缺陷点时存在镜头移动行程长、镜头频繁失焦的问题，采用基于2⁃opt邻域搜索的蚁群算法来优化设备的修复缺陷点顺序。相对于传统的X/Y轴升序排列，此方法能够有效缩短镜头寻点时间、降低失焦概率。为加快处理大规模缺陷点时的算法速度，提出设置蚁群近邻搜索范围、2⁃opt固定半径邻域搜索以及设置不检测标记的加速策略来改善2⁃opt蚁群算法的收敛时间和优化质量。实验证明，改善后的2⁃opt蚁群算法路径优化率超过92.5%，最快算法时间仅为5.72 s，失焦率仅仅为0.28%，相比基本蚁群算法和基本2⁃opt蚁群算法，改善后的2⁃opt蚁群算法在路径优化质量、优化时间以及保证镜头焦距稳定方面更具优势。

人工蜂群算法作为一种新兴的群体智能算法，在解决复杂连续问题时表现突出。但是由于算法本身内在运行机制的原因，算法在搜索上表现出优异的性能，却疏于开发。为了平衡搜索和开发二者之间的矛盾，提出了一种基于遗传模型改进的人工蜂群算法，并成功运用到了阵列综合领域。算法先将全局最优解引入邻域搜索过程，指导蜂群寻找最佳蜜源，加速算法收敛。为了避免人工蜂群算法陷入局部最优，需要提高其开发能力，通过借鉴遗传算法中的进化机制，建立了遗传模型，对采取最佳保留后的蜜源进行遗传操作，丰富蜜源的多样性。在一组广泛使用的数值函数上对改进人工蜂群算法进行了测试，实验数据表明，该算法相较于其他算法具有很强的竞争力。将该算法运用于线性阵列的稀疏优化，旨在降低阵列的峰值旁瓣电平，在同样的阵列约束下与其他算法进行了优化对比，仿真结果进一步证明了算法的有效性。