在不同的学科和现实生活应用中存在着大量复杂优化问题,这些复杂优化问题的解决对科学的发展和实际应用具有十分重要的意义。然而,这些问题的解决有赖于提出高性能的优化算法,因为传统的优化算法对它们是无能为力的。近二十多年来,人们发明了许多对求解复杂优化问题十分有效的演化算法,其中基于蜜蜂觅食行为的蜂群算法就是这样一类演化算法。它们提供了一种新的方法用于求解复杂的优化问题。多蜂算法(Bees Algorithm)是众多蜂群算法中一种,是由英国卡迪夫大学(Cardiff University)的D.T.Pham和A.Ghanbarzadeh于2005年发明的。它模拟了蜜蜂觅食行为,其基本思想是根据适应度排序,适应度高的个体在其邻域内进行几次局部搜索,适应度较小的个体在整个解空间内进行全局搜索,从而使具有潜在希望的优质解能够得到更多的开发,这样大大加快了该算法的收敛速度。经过反复进行全局和局部搜索,直到找到问题的最优解或较好的近似解,或到达设置的最大演化代数。然而,大量研究表明,该算法虽然优于其它蜂群算法,但是还存在着收敛速度慢,解的质量不高等诸多问题。本课题研究的目的是针对多蜂算法的缺点,对其进行研究,提出了一些改进算法,并将改进后的算法应用于求解分类问题和不等圆Packing问题,以期推进该算法的研究和应用。本文主要做了如下工作:(1)首先介绍了该课题的研究背景与意义、多蜂算法的研究现状,接着介绍了多蜂算法的思想原理和该算法主要步骤的具体内容。(2)介绍了求解分类问题的演化算法及其原理,并进行了比较。把文法演化算法引入到改进的多蜂算法中,提出了一个新的混合演化算法——文法多蜂算法(GBA),并用于求解分类问题。通过使用几个标准数据集进行仿真实验,实验结果研究表明:与基本的基因表达式编程分类算法和改进的基因表达式编程分类算法相比,GBA能获得更好的分类精度,且收敛速度提高很大,从而说明了GBA的可行性和有效性。(3)在多蜂算法框架的基础上引入了三个新演化算子——交换算子、边缘变异算子和渐变全局收缩算子,从而形成了一个改进的多蜂算法,并用于求解不等圆Packing问题中的百圆包络问题。实验结果表明,该算法求得的最优解比目前其他演化算法求得的该问题的最优解有较大的提高,表明了新算法的可行性和有效性。