人工蜂群(Artificial bee colony,ABC)算法是一种模拟蜜蜂采蜜行为的群智能优化算法,具有结构简单、容易实现以及全局性能好等优点,受到国内外学者的广泛关注。基本人工蜂群算法具有收敛速度慢、局部搜索能力弱的缺陷,本文基于优势互补的原则,综合利用不同群智能算法的差异与优势,以混合方式实现算法间的优势互补,设计混合型人工蜂群算法,提升算法的优化性能。本文通过引入共生搜索算法、烟花算法的核心搜索算子,设计了两种混合型人工蜂群算法,并用于解决实际应用问题。主要研究内容如下:1.针对人工蜂群算法的收敛速度慢、局部搜索能力弱的不足,引入了共生搜索算法的互助搜索算子,提出了基于共生搜索策略的混合人工蜂群算法。共生互助搜索算子通过个体间的信息交流和最优个体的引导,具有较强的局部搜索能力。将共生互助搜索算子引入到人工蜂群算法的雇佣蜂搜索中,加快了蜂群的搜索。采用CEC2014测试函数来验证该混合人工蜂群算法的性能。通过与现有的蜂群算法以及其它智能优化算法比较,实验结果表明了混合方式的合理性与有效性,基于共生搜索策略的人工蜂群算法保持了全局搜索与局部搜索的平衡,加快了收敛速度。2.为了平衡人工蜂群算法全局搜索与局部搜索能力,引入了烟花算法的爆炸搜索算子,提出了基于烟花爆炸搜索的混合人工蜂群算法。该算法通过将人工蜂群算法与爆炸搜索算子串行混合,即在蜂群搜索后,执行爆炸搜索操作。爆炸搜索算子通过爆炸幅度控制其搜索范围,前期在整个空间里搜索潜在解的区域,后期随着爆炸幅度的减小,在潜在解区域搜索高质量的解,设计了烟花爆炸人工蜂群算法的一般框架。将该框架应用于现有的六个人工蜂群算法上,在CEC2014测试函数上测试烟花爆炸人工蜂群类算法的优化性能。实验结果表明,该框架确实能够改善现有人工蜂群算法的搜索性能,增强算法的全局搜索与局部搜索的平衡,加快了收敛的速度。3.将本文提出的两种混合人工蜂群算法应用于电力系统经济调度问题。选取了两种具有不同特性的经济调度问题,以电力系统发电总成本为目标函数。问题一具有15个机组数,不考虑阀点效应;问题二具有40个机组数,考虑阀点效应,阀点效应使得问题拥有较多的局部最优点。通过将两种算法来仿真优化上述两种调度问题,并与其它优化算法进行比较。实验结果表明这两种混合人工蜂群算法在求解不同特性的经济调度问题上有优势,获得的发电总成本相对较少。