1、人工蜂群算法(ABC)是最新提出的一種基于群智能的優(yōu)化方法，與其他的基于種群的智能算法相比更優(yōu)越.但是人工蜂群算法本身的更新公式在開采能力上存在缺陷，因此本文致力于將擅長開采的搜索機制引入人工蜂群算法，提出了增加開采能力的兩個版本的人工蜂群算法。
　　本研究提出的第一個算法是改進的基于Hooke-Jeeves的人工蜂群算法(IHABC).IHABC算法對Hooke-Jeeves搜索法的初始點做了調(diào)整，期望通過改進質(zhì)量中上的個體來改

2、進整個種群;對采蜜蜂的搜索公式進行了改進，期望保留搜索能力的同時能略微增加開采能力;對跟隨蜂的搜索公式也進行了改進，期望能更大限度地增大開采;還對整個算法的函數(shù)值評估標(biāo)準(zhǔn)做了調(diào)整，使得它適用于任何函數(shù).為了檢測IHABC算法的性能，從基準(zhǔn)函數(shù)庫中選了30個函數(shù)，在這些函數(shù)上做了數(shù)值實驗，將它與基本人工蜂群算法(ABC)、基于Hooke-Jeeves搜索的人工蜂群算法(HABC)進行比較，并對結(jié)果進行了分析，證實了新算法在求解無約束優(yōu)化問

3、題時得到的近似解的精度更高。提出的第二個算法是改進的二進制人工蜂群算法(IGB-ABC)。在二進制人工蜂群算法(GB-ABC)的基礎(chǔ)上，使用最大最小距離法進行初始化，以便選到的初始點在空間中分布均勻;采用變化更多的候選解產(chǎn)生方式，以使算法的搜索能力提高;增加了一個開采階段，以使算法的開采能力提高。將新算法在5個測試圖像以及5個測試數(shù)據(jù)集上進行數(shù)值實驗，并在聚類有效性指標(biāo)值、動態(tài)聚類數(shù)目以及聚類結(jié)果上，與GB-ABC算法進行比較，實驗結(jié)果