用于优化 Cost-231 Hata 路径损耗模型的软件工具/框架； 使用人工蜂群 (ABC) 算法找到最佳操作参数集（移动设备与基站的距离、基站操作频率和基站天线高度）。

基于改进人工蜂群算法的多阈值图像分割

摘要-多目标优化方法对于解决实际问题至关重要。 提出了一种用于多目标优化问题的人工蜂群算法。 在该算法中，首先选择具有较少主导解决方案和更大拥挤距离的解决方案进入下一代，以较高的概率并以自我形容步骤搜索其附近，然后将基于对立的策略应用于初始化，以加快对Pareto最优解集的收敛速度，并提高Pareto最优解的分布均匀性目标空间中的解决方案。 多目标测试函数的仿真结果验证了该算法的有效性。

针对约束优化问题，提出一种自适应人工蜂群算法。算法采用反学习初始化方法使初始种群均匀分布于搜索空间。为了平衡搜索过程中可行个体和不可行个体的数量，算法使用自适应选择策略。在跟随蜂阶段，采用最优引导搜索方程来增强算法的开采能力。通过对13个标准测试问题进行实验并与其他算法比较，发现自适应人工蜂群算法具有较强的寻优能力和较好的稳定性。

- 基于人工蜂群算法的TSP（旅行商）问题 - 可以根据要求自己修改城市坐标 - 注释很详细

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真

针对配电网无功补偿优化算法的不足，提出了一种基于人工蜂群算法的配电网无功优化方法。首先建立了无功优化的数学模型，然后提出了一种基于改进人工蜂群算法的无功优化方法。实验结果表明，改进的人工蜂群算法可以有效地优化配电网的无功补偿，它比其他现有算法更高效，更准确。

-初始ABC算法用于WSN覆盖，方便用于改进扩展 -有注释，方便理解 -如果加上一些种群初始化策略、跳出局部最优策略的话，很容易提升覆盖率 -价格实惠

研究机器人路径规划优化问题,机器人工作环境复杂,运动路径上存在许多障碍物.针对提高机器人安全导航性能问题,传统群智能算法存在早熟,搜索效率低等难题,难以获得全局最优路径.为了获得最优机器人运动路径,避免碰撞的发生,提出了一种人工蜂群算法的机器人路径规划方法.首先采用栅格法对机器人工作环境进行建模,然后机器人路径规划目标点作为蜜源,最后蜂群之间信息交换,协作搜索最优机器人运动路径.结果表明,人工蜂群算法解决了传统群智能算法存在的难题;加快了机器人路径规划求解速度,以较短时间找到最短机器人运动路径. ABC(Artificial BeesColony)算法最先由Basturk等人提出并应用于函数优化问题. 采蜜蜂采用贪婪准则，比较记忆中的最优解和邻域搜索解，当搜索解优于记忆最优解时，替换记忆解；反之，保持不变。在所有的采蜜蜂完成邻域搜索后，采蜜蜂跳摆尾舞与跟随蜂共享蜜源信息。跟随蜂根据蜜源信息以一定概率选择采蜜源，蜜量大的采蜜蜂吸引跟随蜂的概率大于蜜量小的采蜜蜂。同样，跟随蜂在采蜜源附近邻域搜索，采用贪婪准则，比较跟随蜂搜索解与原采蜜蜂的解，当搜索解优于原采蜜蜂的解时，替换原采蜜蜂的解，完

人工蜂群算法综述.docx