人工蜂群算法是一种新型的群智能算法,它模拟的是工蜂采蜜过程中各种蜜蜂分工合作以开采最佳蜜源的原理。该算法将采蜜蜂群分为引领蜂、跟随蜂和侦查蜂三类,通过三种蜜蜂轮流开采来寻找全局最优解。食物源的花蜜量与食物源被选择的可能性成正比,蜜蜂能及时停止对较差食物源的开采。且蜜蜂能与其他蜜蜂共同分享食物源的信息。因此,人工蜂群算法有其自身优势,但与其他的智能算法一样,人工蜂群算法也存在着易收敛到局部极值点、应用领域有待进一步拓宽等问题。本文从改进人工蜂群算法的缺陷,以及该算法在电子商务领域问题中的应用两个大的方面出发,进行了深入研究。主要工作包括:(1)综述了人工蜂群算法的思想及求解步骤,介绍蜂群优化算法的历史研究背景,以及目前蜂群优化算法在国内外的应用情况,总结了人工蜂群算法的优缺点。(2)针对人工蜂群算法容易早熟收敛的缺陷,利用元胞自动机原理设计了求解0-1规划问题的元胞人工蜂群算法。算法将元胞演化和人工蜂群搜索相结合,利用元胞及其邻居的演化提高了种群多样性,避免陷入局部最优解。算例分析通过与标准人工蜂群算法、基于最优值的蜂群算法求解得到的结果进行了比较,元胞人工蜂群算法具有更好的求解效率和稳定性。(3)针对人工蜂群算法种群多样性不足和求解精度低的缺陷利用自然选择和蝙蝠回声定位原理对人工蜂群算法进行改进,将改进的算法用于求解频率分配问题。通过对不同分配频点的21小区的频率分配问题进行求解,并与蝙蝠算法、标准人工蜂群算法相对比,改进的人工蜂群算法求解更快速准确。(4)介绍了多Agent自动谈判的特性、协议以及过程。结合人工蜂群算法的原理及求解流程,给出一种电子商务自动谈判模型。模型基于多Agent多属性的自动谈判模式,融合了智能化电子商务谈判技术,着重将自动谈判过程与人工蜂群算法求解的过程相结合,以快速准确获得使整体利益最大的解。通过仿真实验,验证了模型的有效性。(5)结合人工蜂群算法的原理和求解流程,给出一种供应商投标策略模型。模型基于多属性组合采购拍卖模式,融合了对竞争供应商策略的分析,着重将人工蜂群算法优化流程与当前供应商决策过程相结合,分析竞争供应商的投标策略,以得到当前供应商下一轮的最优投标策略。经仿真实验,验证了模型的有效性。(6)将模糊量化的QoS约束加入到Web电子物流采购模型,构造一种带有QoS约束的Web电子物流采购模型,再利用人工蜂群算法进行求解。模型基于现有Web采购系统的采购模式,融合了非功能性Web服务评价理论,着重将带QoS约束的电子物流采购选择过程与人工蜂群算法求解过程相结合,从而能快速准确地获得使整体利益最大的解。经仿真计算,验证了模型的有效性。最后,对所做工作进行总结,并提出进一步研究的方向。