第9卷第2期 智能系统学报 Vol.9 No.2 2014年4月 CAAI Transactions on Intelligent Systems Apr.2014 D0I:10.3969/i.issn.1673-4785.201309064 网络出版t地址：htp:/ww.cmki.net/kcms/doi/10.3969/j.issn.1673-4785.201309064.html 人工蜂群算法研究综述 秦全德1，程适2，李丽，史玉回3 (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) 摘要：作为一种较新的群体智能优化算法，人工蜂群算法自提出之时就受到学术界的广泛关注，目前已经在多个 领域得到了成功应用。介绍了人工蜂群算法的生物背景和基本原理，在对基本人工蜂群算法的不足进行分析的基 础上，归纳了当前人工蜂群算法的改进研究主要集中在算法的参数调整、混合算法和设计新的学习策略3个方面。 针对现实的复杂环境，对人工蜂群算法在约束优化和多目标优化的研究进展进行了全面的综述。最后，阐述了人工 蜂群算法的应用现状，并提出了人工蜂群算法有待进一步研究的问题。 关键词：群体智能：人工蜂群算法：约束优化：多目标优化：选择算法 中图分类号：TP18:F062.3文献标志码：A文章编号：1673-4785(2014)02-0127-09 中文引用格式：秦全德，程适，李丽，等.人工蜂群算法研究综述[J].智能系统学报，2014,9(2)：127-135. 英文引用格式：QIN Quande,CHENG Shi,LILi,etal.Artificial bee colony algorithm:a survey[J].CAAI Transactions on Intelli- gent Systems,2014,9(2):127-135. Artificial bee colony algorithm:a survey QIN Quande',CHENG Shi2,LI Li',SHI Yuhui' (1.Department of Management Science,Shenzhen University,Shenzhen 518060,China;2.Division of Computer Science,The Uni- versity of Nottingham Ningbo,Ningbo 315100,China:3.Department of Electrical and Electronics Engineering,Xi'an Jiaotong-Liver- pool University,Suzhou 215123,China) Abstract:As a new swarm intelligence optimization algorithm,the artificial bee colony (ABC)algorithm has re- ceived wide attention in academic circles since its inception.Currently,the ABC algorithm is being used successful- ly in several real-world fields.Firstly,this article introduces the biological background and principles of the ABC algorithm.On the basis of analyzing the drawbacks of the basic ABC algorithm,we summarized the current studies on improvements of the basic ABC algorithm with regards to three aspects:parameter adjustment,hybrid algo- rithms,and design of new learning strategies.In view of the realistic complex environment,this article introduces the research progress on constrained optimization and multi-objective optimization using the ABC algorithm.Finally, the applications of the ABC algorithm are described and several further research directions are proposed. Keywords:swarm intelligence;artificial bee colony algorithm;constrained optimization;multi-objective optimiza- tion;optimization algorithm 人工蜂群算法(artificial bee colony,ABC)是由 完成采蜜任务。虽然单个蜜蜂的自身能力有限，但 土耳其学者Karaboga2)于2005年提出，其基本思想 在没有统一指挥的情况下，整个蜂群却总是能较容 是启发于蜂群通过个体分工和信息交流，相互协作 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 收稿日期：2013-09-21.网络出版日期：2014-03-31. 基金项目：国家自然科学基金资助项目(71240015,61273367)：广东 中基本不利用外部信息，仅以适应度函数作为进化 高校优秀青年创新人才培养计划资助项目(2012WYM 的依据，形成了以“生成+检验”为特征的人工智能 0116):教育部人文社科青年基金资助项目 (13YJC630123). 技术。ABC算法具有操作简单、控制参数少、搜 通信作者：秦全德.E-mail:qinquande@gmail.com.第 ９ 卷第 ２ 期 智 能 系 统 学 报 Ｖｏｌ．９ №．２ ２０１４ 年 ４ 月 ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ Ａｐｒ． ２０１４ ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１６７３⁃４７８５．２０１３０９０６４ 网络出版地址：ｈｔｔｐ： ／ ／ ｗｗｗ．ｃｎｋｉ．ｎｅｔ ／ ｋｃｍｓ／ ｄｏｉ ／ １０．３９６９ ／ ｊ．ｉｓｓｎ．１６７３⁃４７８５．２０１３０９０６４．ｈｔｍｌ 人工蜂群算法研究综述 秦全德１ ，程适２ ，李丽１ ，史玉回３ （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） 摘 要：作为一种较新的群体智能优化算法，人工蜂群算法自提出之时就受到学术界的广泛关注，目前已经在多个 领域得到了成功应用。 介绍了人工蜂群算法的生物背景和基本原理，在对基本人工蜂群算法的不足进行分析的基 础上，归纳了当前人工蜂群算法的改进研究主要集中在算法的参数调整、混合算法和设计新的学习策略 ３ 个方面。 针对现实的复杂环境，对人工蜂群算法在约束优化和多目标优化的研究进展进行了全面的综述。 最后，阐述了人工 蜂群算法的应用现状，并提出了人工蜂群算法有待进一步研究的问题。 关键词：群体智能；人工蜂群算法；约束优化；多目标优化； 选择算法 中图分类号： ＴＰ１８；Ｆ０６２．３ 文献标志码：Ａ 文章编号：１６７３⁃４７８５（２０１４）０２⁃０１２７⁃０９ 中文引用格式：秦全德，程适，李丽，等． 人工蜂群算法研究综述［Ｊ］． 智能系统学报，２０１４， ９（２）： １２７⁃１３５． 英文引用格式：ＱＩＮ Ｑｕａｎｄｅ， ＣＨＥＮＧ Ｓｈｉ， ＬＩ Ｌｉ， ｅｔ ａｌ． Ａｒｔｉｆｉｃｉａｌ ｂｅｅ ｃｏｌｏｎｙ ａｌｇｏｒｉｔｈｍ： ａ ｓｕｒｖｅｙ［Ｊ］． ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉ⁃ ｇｅｎｔ Ｓｙｓｔｅｍｓ， ２０１４， ９（２）： １２７⁃１３５． Ａｒｔｉｆｉｃｉａｌ ｂｅｅ ｃｏｌｏｎｙ ａｌｇｏｒｉｔｈｍ： ａ ｓｕｒｖｅｙ ＱＩＮ Ｑｕａｎｄｅ １ ， ＣＨＥＮＧ Ｓｈｉ ２ ， ＬＩ Ｌｉ １ ， ＳＨＩ Ｙｕｈｕｉ ３ （１．Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｍａｎａｇｅｍｅｎｔ Ｓｃｉｅｎｃｅ， Ｓｈｅｎｚｈｅｎ Ｕｎｉｖｅｒｓｉｔｙ， Ｓｈｅｎｚｈｅｎ ５１８０６０， Ｃｈｉｎａ； ２． Ｄｉｖｉｓｉｏｎ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ， Ｔｈｅ Ｕｎｉ⁃ ｖｅｒｓｉｔｙ ｏｆ Ｎｏｔｔｉｎｇｈａｍ Ｎｉｎｇｂｏ， Ｎｉｎｇｂｏ ３１５１００， Ｃｈｉｎａ； ３．Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｅｌｅｃｔｒｉｃａｌ ａｎｄ Ｅｌｅｃｔｒｏｎｉｃｓ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｘｉ’ａｎ Ｊｉａｏｔｏｎｇ⁃Ｌｉｖｅｒ⁃ ｐｏｏｌ Ｕｎｉｖｅｒｓｉｔｙ， Ｓｕｚｈｏｕ ２１５１２３， Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ａｓ ａ ｎｅｗ ｓｗａｒｍ ｉｎｔｅｌｌｉｇｅｎｃｅ ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ， ｔｈｅ ａｒｔｉｆｉｃｉａｌ ｂｅｅ ｃｏｌｏｎｙ （ＡＢＣ） ａｌｇｏｒｉｔｈｍ ｈａｓ ｒｅ⁃ ｃｅｉｖｅｄ ｗｉｄｅ ａｔｔｅｎｔｉｏｎ ｉｎ ａｃａｄｅｍｉｃ ｃｉｒｃｌｅｓ ｓｉｎｃｅ ｉｔｓ ｉｎｃｅｐｔｉｏｎ． Ｃｕｒｒｅｎｔｌｙ， ｔｈｅ ＡＢＣ ａｌｇｏｒｉｔｈｍ ｉｓ ｂｅｉｎｇ ｕｓｅｄ ｓｕｃｃｅｓｓｆｕｌ⁃ ｌｙ ｉｎ ｓｅｖｅｒａｌ ｒｅａｌ⁃ｗｏｒｌｄ ｆｉｅｌｄｓ． Ｆｉｒｓｔｌｙ， ｔｈｉｓ ａｒｔｉｃｌｅ ｉｎｔｒｏｄｕｃｅｓ ｔｈｅ ｂｉｏｌｏｇｉｃａｌ ｂａｃｋｇｒｏｕｎｄ ａｎｄ ｐｒｉｎｃｉｐｌｅｓ ｏｆ ｔｈｅ ＡＢＣ ａｌｇｏｒｉｔｈｍ． Ｏｎ ｔｈｅ ｂａｓｉｓ ｏｆ ａｎａｌｙｚｉｎｇ ｔｈｅ ｄｒａｗｂａｃｋｓ ｏｆ ｔｈｅ ｂａｓｉｃ ＡＢＣ ａｌｇｏｒｉｔｈｍ， ｗｅ ｓｕｍｍａｒｉｚｅｄ ｔｈｅ ｃｕｒｒｅｎｔ ｓｔｕｄｉｅｓ ｏｎ ｉｍｐｒｏｖｅｍｅｎｔｓ ｏｆ ｔｈｅ ｂａｓｉｃ ＡＢＣ ａｌｇｏｒｉｔｈｍ ｗｉｔｈ ｒｅｇａｒｄｓ ｔｏ ｔｈｒｅｅ ａｓｐｅｃｔｓ： ｐａｒａｍｅｔｅｒ ａｄｊｕｓｔｍｅｎｔ， ｈｙｂｒｉｄ ａｌｇｏ⁃ ｒｉｔｈｍｓ， ａｎｄ ｄｅｓｉｇｎ ｏｆ ｎｅｗ ｌｅａｒｎｉｎｇ ｓｔｒａｔｅｇｉｅｓ． Ｉｎ ｖｉｅｗ ｏｆ ｔｈｅ ｒｅａｌｉｓｔｉｃ ｃｏｍｐｌｅｘ ｅｎｖｉｒｏｎｍｅｎｔ， ｔｈｉｓ ａｒｔｉｃｌｅ ｉｎｔｒｏｄｕｃｅｓ ｔｈｅ ｒｅｓｅａｒｃｈ ｐｒｏｇｒｅｓｓ ｏｎ ｃｏｎｓｔｒａｉｎｅｄ ｏｐｔｉｍｉｚａｔｉｏｎ ａｎｄ ｍｕｌｔｉ⁃ｏｂｊｅｃｔｉｖｅ ｏｐｔｉｍｉｚａｔｉｏｎ ｕｓｉｎｇ ｔｈｅ ＡＢＣ ａｌｇｏｒｉｔｈｍ． Ｆｉｎａｌｌｙ， ｔｈｅ ａｐｐｌｉｃａｔｉｏｎｓ ｏｆ ｔｈｅ ＡＢＣ ａｌｇｏｒｉｔｈｍ ａｒｅ ｄｅｓｃｒｉｂｅｄ ａｎｄ ｓｅｖｅｒａｌ ｆｕｒｔｈｅｒ ｒｅｓｅａｒｃｈ ｄｉｒｅｃｔｉｏｎｓ ａｒｅ ｐｒｏｐｏｓｅｄ． Ｋｅｙｗｏｒｄｓ： ｓｗａｒｍ ｉｎｔｅｌｌｉｇｅｎｃｅ； ａｒｔｉｆｉｃｉａｌ ｂｅｅ ｃｏｌｏｎｙ ａｌｇｏｒｉｔｈｍ； ｃｏｎｓｔｒａｉｎｅｄ ｏｐｔｉｍｉｚａｔｉｏｎ； ｍｕｌｔｉ⁃ｏｂｊｅｃｔｉｖｅ ｏｐｔｉｍｉｚａ⁃ ｔｉｏｎ； ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ 收稿日期：２０１３⁃０９⁃２１． 网络出版日期：２０１４⁃０３⁃３１． 基金项目：国家自然科学基金资助项目（ ７１２４００１５，６１２７３３６７）；广东 高校优秀青年创新人才培养计划资助项目（ ２０１２ＷＹＭ＿ ０１１６ ）； 教 育 部 人 文 社 科 青 年 基 金 资 助 项 目 （１３ＹＪＣ６３０１２３）． 通信作者：秦全德． Ｅ⁃ｍａｉｌ：ｑｉｎｑｕａｎｄｅ＠ ｇｍａｉｌ．ｃｏｍ． 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