1、人工蜂群算法是一種新型的元啟發(fā)式搜索算法，它的實(shí)現(xiàn)原理是模擬蜂群在采蜜過(guò)程中所表現(xiàn)出的群智能行為來(lái)實(shí)現(xiàn)對(duì)實(shí)際問(wèn)題的求解。由于該算法簡(jiǎn)單易懂、容易實(shí)現(xiàn)、魯棒性強(qiáng)、參數(shù)少等特點(diǎn)，自2005年被土耳其學(xué)者Karaboga提出以來(lái)，已經(jīng)被成功應(yīng)用到約束數(shù)值優(yōu)化問(wèn)題、多目標(biāo)優(yōu)化問(wèn)題、訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)、蛋白質(zhì)的檢測(cè)和預(yù)測(cè)、動(dòng)態(tài)路徑選擇、可靠性冗余分配等領(lǐng)域，都取得了較好的研究成果。不過(guò)它作為一種新型的算法，其算法模型還不是很成熟，在求解一些復(fù)雜的實(shí)

2、際問(wèn)題上還處于起步階段。所以，改進(jìn)人工蜂群算法的理論模型，使其有更好的解決問(wèn)題的能力及更廣的應(yīng)用范圍有著重要的研究意義及實(shí)際價(jià)值。通過(guò)仔細(xì)研究會(huì)發(fā)現(xiàn)人工蜂群算法存在不足的地方主要是收斂精度不高、收斂速度慢、易陷入局部最優(yōu)解等，這使得它在解決有些問(wèn)題時(shí)得到的結(jié)果讓人還不是很滿意。所以很多學(xué)者致力于對(duì)該算法進(jìn)行改進(jìn)，讓它能更好的去解決實(shí)際問(wèn)題、拓寬其應(yīng)用范圍。
　　本文在借鑒差分進(jìn)化算法中突變算子的基礎(chǔ)上，針對(duì)上述人工蜂群算法的不足之

3、處，提出了幾種改進(jìn)算法，并將其中一種表現(xiàn)優(yōu)異的改進(jìn)應(yīng)用到了非線性方程組的求解中去。主要工作如下:
　　首先，本文詳細(xì)介紹了人工蜂群算法的來(lái)由、生物模型和基本思想，并詳細(xì)分析了算法的基本步驟、時(shí)間復(fù)雜度和特點(diǎn)。然后針對(duì)算法的收斂速度慢的缺點(diǎn)，我們?cè)诟倪M(jìn)算法的搜索方式中引入了當(dāng)前最優(yōu)解的信息，這樣能夠有效引導(dǎo)搜索向全局最優(yōu)快速收斂。在后面的仿真實(shí)驗(yàn)中可以發(fā)現(xiàn)在解決單峰問(wèn)題時(shí)，改進(jìn)算法的收斂速度明顯快于標(biāo)準(zhǔn)人工蜂群算法。
　　其次

4、，針對(duì)算法容易陷入局部最優(yōu)的問(wèn)題，我們?cè)诟倪M(jìn)算法的搜索方式中引入一個(gè)或兩個(gè)擾動(dòng)向量，這樣來(lái)保持種群的多樣性，防止算法陷入局部最優(yōu)。在仿真實(shí)驗(yàn)中可以看出在解決多峰問(wèn)題時(shí)，改進(jìn)的人工蜂群算法比其他智能算法的收斂精度更高，也即是跳出了局部最優(yōu)的表現(xiàn)形式。
　　最后，本文對(duì)人工蜂群算法中對(duì)于解的適應(yīng)度計(jì)算作了調(diào)整，簡(jiǎn)化了原先算法中復(fù)雜難懂的計(jì)算方式，選擇直接用函數(shù)的值來(lái)作為解的適應(yīng)度，既簡(jiǎn)單又一目了然。本文將上面改進(jìn)算法中性能比較好的一種