随着最优化问题在理论研究和工程实践中的广泛应用,基于群体优化的人工蜂群算法成为当下研究的热点方向之一。经典人工蜂群算法具有步骤简洁、参数依赖性弱、执行效率高等优势,适用于处理复杂的非线性问题。但是,该算法在全局开拓性、邻域边界划分及收敛效率等方面存在着不足。因此,对人工蜂群算法进一步地完善具有重要的理论和现实意义。混沌是一种具有丰富时空动态特性的运动方式,它的运动轨迹体现了随机性、遍历性、初值敏感性和不可预测性等混沌特征。随着人们对混沌现象的深入研究,混沌的行为特性己经渗透到物理、气象、金融和信息等领域。近年来,混沌理论在群体智能算法、扩频通信和网络安全等方面的研究与应用越来越成为国内外学者关注的热点领域。本文在深入研究Chebyshev映射的基础上,针对混沌映射分布不均匀和经典人工蜂群算法存在的不足进行了系统地分析与优化,并取得了g 些研究成果。论文主要工作及创新点如下:(1)本文构建了一种基于均匀化分布的Chebyshev映射系统。为满足值域均匀化分布的需求,先依据Chebyshev映射的概率密度函数数理推导出均匀化调节函数,将其与原映射复合构造出新的系统方程。进一步,通过数值分布频数图、信息熵、近似熵、离散熵、K熵、平衡性和相关特性等指标对系统进行仿真。分析表明,新系统与同类系统相比具有更优的均匀分布特性、平衡性和更低的序列复杂度,说明本文的均匀化调节有效地改善了原映射的混沌特性,为下一步具体应用打下基础。(2)本文提出了一种融合协作采集控制的人工蜂群算法。为提高人工蜂群算法的迭代累加效能、全局开拓性和局部寻优能力,本文分析了蜜蜂在实际采蜜过程中释放示踪信息素、由近及远的非直线搜索方式和善于利用零星蜜源等勤奋采集行为机理,发现蜜蜂通过添加标识使得短期内己搜索的区域和二次规划搜索区域产生关联,避免了自身和蜂群的重复搜索,大大提高了采集效率。因此,本文利用混沌时间序列具有的独立相关特性来仿效蜜蜂的采集控制策略,提出了一种的协作型人工蜂群算法。论文先引入均匀化Chebyshev映射不断迭代产生具有相关性的均匀分布可行解。其次,构造出与蜜源紧密结合且相对独立的邻域区间进行混沌遍历搜索。最后,通过对不同特性函数进行最优解测评,实验结果表明算法在有限蜂群个体的条件下,实现了收敛性能、最优解精度和寻优效率的提升。本文工作主要是先基于均匀化Chebyshev映射,根据随机变量函数的分布定理,构造出一种新的非线性系统并进行了详细的性能分析;再将其融入到人工蜂群算法的优化改进中。结果证明,优化后的协作型人工蜂群算法在求解非线性问题时具有更好的收敛性、稳定性和准确性。