人工蜂群算法是一种基于蜜蜂采蜜行为的新兴的群体智能优化算法,由于其控制参数少、易于实现、计算简洁等特点,近年来备受研究者关注。而基本人工蜂群算法仍然存在着进化后期群体多样性差、收敛精度低、收敛速度慢和易陷入局部最优解等缺点。为提高基本人工蜂群算法性能,本文首先针对求解无约束优化问题提出改进人工蜂群算法IABC。采用小区间生成法生成初始解,以提高种群多样性。受粒子群算法启发将算法当前最优解和全局最优解分别加入到引领蜂和跟随蜂的更新公式当中,从而加快算法的收敛速度。最后提出了Demon接收策略来替换基本人工蜂群算法中的贪婪选择策略。通过对4个基准测试函数的实验,验证了改进后的人工蜂群算法IABC的有效性,与基本人工蜂群算法相比在寻优能力和收敛速度等性能上有一定程度的提高。然后应用改进后的人工蜂群算法IABC求解天然河流纵向离散系数的确定,并与其它方法进行对比。实验分析结果证明改进后的人工蜂群算法IABC对于求解河流离散系数有一定的优势,证明了本文方法的有效性。本文在最后提出了针对带约束优化问题的改进人工蜂群算法IABC(COP),采用罚函数和改进可行解规则处理约束,提出了多维变量扰动的方法来提高算法的收敛速度。为了验证改进后算法的性能,本文选取了26个具有代表性的测试问题来对算法进行性能测试,并与GA、C-SOMGA、HM、PSO和CMA-ES等进行了对比。实验结果证明改进后的人工蜂群算法IABC(COP)明显优于C-SOMGA、PSO和HM算法,并且不逊于GA和CMA-ES算法,与其有一定的可比性。同时证明了本文方法的可行性以及高效性。