旅行商问题(Traveling Salesman Problem,TSP)是计算、工程、运筹学、离散数学、图论等领域中重要的研究课题之一。TSP被定义为一个推销员在所有城市的旅行,然后以最低的成本回到最初的城市,这是一个NP困难的问题。近年来有很多群体智能算法被用于解决TSP问题。群体智能(Swarm Intelligence,SI)对于难以解决的NP难问题是一个重要的研究方向。其中蜜蜂的觅食行为是一种智能的社会行为,属于群体智能范畴。由此产生的人工蜂群(Artificial Bee Colony,ABC)算法是一种模拟蜜蜂觅食行为的算法。自ABC诞生以来,人们进行了大量的研究,以提高ABC的性能,并将其应用于不同类型的问题。提出结合遗传算子的混合人工蜂群算法(Genetic Algorithm ABC,GAABC),该算法以人工蜂群算法为主体结构,设计了遗传算法中的交叉操作和启发式倒位变异,融合到该主体结构中,以此提升算法的整体性能。为了丰富整个解集的空间,对于陷入停滞的侦查蜂部分应用3-opt方法探索新的解。通过算例验证了该混合算法的有效性。又提出一种结合量子思想的量子人工蜂群算法(Quantum Algorithm ABC,QUABC)解决TSP问题,该算法以人工蜂群算法为算法的架构,其中每一只人工蜜蜂都融合了一种新的量子编码,采用量子位对城市的访问序列进行编码,为解集的总体提供了更多的多样性,并使用量子干涉向目前发现的最佳蜜蜂的相应位元值的方向移动,引导蜜蜂种群的个体找到所有蜜蜂找到的全局最佳解决方案,以提升算法的整体性能。最后通过实验验证了算法的有效性。