人工蜂群算法(ABC)是一种模拟蜜蜂采蜜行为的群集智能优化算法，它为解决存在于科学领域的全局优化问题提供了一种新的方法。由于它具有控制参数少、易于实现、计算简单等优点，已经被越来越多的研究者所关注。但是，基本人工蜂群算法仍存在早熟收敛、容易陷入局部最优和进化后期收敛较慢等缺点，为了有效提升人工蜂群算法的优化性能，本文从多个角度对其进行了改进，并且进行了简单的应用，主要内容如下：(1)针对ABC算法搜索方程局部搜索能力较弱的缺点，受差分进化算法变异方程和粒子群算法进化方程的启发，提出了两种基于改进搜索方程的人工蜂群算法。实验仿真表明，改进的算法在最优解的求解精度和算法的收敛能力方面都有一定程度的改善或提高。(2)为了提高ABC算法的整体寻优能力，借鉴差分进化算法中的变异思想，在ABC算法的观察蜂阶段引入差分进化局部搜索算子，进而提出一种基于混沌差分进化的人工蜂群算法。实验分析表明，引入该算子后的蜂群算法在解的求解精度和算法的收敛速度上均优于基本人工蜂群算法。(3)针对ABC算法容易陷入局部最优的缺点，将简化的三点二次插值算子引入ABC算法的侦察蜂阶段，提出一种具有二次插值搜索策略的蜂群优化算法。该算法能够帮助陷入局部最优的采蜜蜂逃离束缚，数值仿真实验表明，引入二次插值搜索策略的蜂群优化算法在解的求解精度和算法的收敛速度上均有提高，从而表现出更强大的整体寻优能力。(4)基于约束处理方法和ABC算法的特性，提出一种用于求解约束优化问题的人工蜂群算法，并用标准测试函数对算法的性能进行了验证。作为文中算法的应用，将(3)中提出的具有二次插值搜索策略的蜂群优化算法用于简单的图像分割问题。仿真结果表明，该算法能够搜索到较优的阈值，进而对图像进行有效的分割。