遗传算法(Genetic Algorithm，简称GA)是20世纪70年代由Holland提出的一种模仿生物进化过程的有效的优化方法，能根据已有的知识积累，按照概率寻优机制进行全局搜索未知空间，而且还可以根据问题的不同进行变通，所以得到了广泛的应用。但是，传统遗传算法存在着早熟收敛和收敛速度慢的缺点，这是由算法的两个主要因素“选择压力"和“种群多样性”造成的。所以国内外的学者们通过各种改进研究来平衡它们之间的矛盾，虽然各种改进的遗传算法取得了一定的成就，但多是局限在某一个方面，没有从总体上进行把握。而且，它们偏重于应用，缺乏收敛性和有效性方面的理论证明。 本文针对传统遗传算法存在“种群多样性”和“选择压力”之间矛盾的问题，提出一种基于自然界蜂群繁殖原理的改进遗传算法—蜂群遗传算法(Bee-Swarm Genetic Algorithm，简称BSGA)。蜂群是由蜂后、雄蜂和工蜂组成的，BSGA主要操作算子包括蜂后和雄蜂的绝对交配权，蜂后和工蜂的相似性抑制，蜂后的模拟退火局部寻优机制，雄蜂和蜂后的自适应交叉算子以及工蜂的自适应变异算子。其次，通过对马尔科夫链模型和遗传机制的分析，证明了蜂群遗传算法的收敛性和有效性。最后通过对几个经典函数的优化以及N皇后问题(NP难)的组合优化实验验证了该算法具有较好的搜索性能和较少的计算量。