秦全德，程适，李丽，史玉回

(1.管理科学系 深圳大学，广东 深圳 518060； 2. 宁波诺丁汉大学 计算机科学系，浙江 宁波 315100； 3. 西交利物浦大学 电气电子工程系，江苏 苏州 215123)

人工蜂群算法(artificial bee colony, ABC)是由土耳其学者Karaboga[2]于2005年提出，其基本思想是启发于蜂群通过个体分工和信息交流，相互协作完成采蜜任务。虽然单个蜜蜂的自身能力有限，但在没有统一指挥的情况下，整个蜂群却总是能较容易地发现优质蜜源。与经典的优化方法相比，ABC算法对目标函数和约束几乎没有要求，在搜索过程中基本不利用外部信息，仅以适应度函数作为进化的依据，形成了以“生成+检验”为特征的人工智能技术[2]。ABC算法具有操作简单、控制参数少、搜索精度较高和鲁棒性较强的特点[3-4]。文献[4]中指出与遗传算法(genetic algorithm, GA)、差分进化算法(differential evolution, DE)和粒子群优化算法(particle swarm optimization, PSO)相比较，ABC算法的求解质量相对较好。目前，ABC算法已经成功应用于人工神经网络训练、组合优化、电力系统优化、系统和工程设计等多个领域。近年来，ABC算法得到了学术界的广泛关注，但由于提出时间较晚，目前的研究成果比较分散且缺乏系统性。

1 人工蜂群算法

1.1 人工蜂群算法的生物背景

蜜蜂是一种社会性群居性动物，虽然单个蜜蜂的行为简单，但群体却表现出极其复杂的智慧行为。自然界中的蜜蜂总能够高效地采集到花蜜，同时还能适应环境的改变。生物学家研究发现蜜蜂以跳舞的方式来交换蜜源信息[5]。采集到花蜜的蜜蜂，返回到蜂巢后，通过“8字舞”的形式与同伴交流蜜源信息。……