人工蜂群算法(Artificial Bee Colony Algorithm,ABC)是一种新兴的群智能算法。因具有参数少、搜索能力强等优点而受到关注。但是它仍有很多不足,面对多模态问题时收敛速度慢、容易陷入局部最优;面对多目标优化问题时难以获得良好分布的解集。为解决这些问题,本文一方面改进ABC算法原有的运行机制增强解决多模态问题的能力,另一方面引入新机制增强ABC算法解决多目标优化问题的能力。本文主要工作如下:(1)提出基于多搜索策略和维度选择的ABC算法(ABC-MSDS)。首先,设计了基于双策略池的多搜索策略。与现有的具有多种搜索策略的ABC算法相比,该方法分别为雇佣蜂和跟随蜂建立了策略池。其次,用一种新的维度选择方法代替原始ABC算法中的随机维度选择方法。在搜索过程中,根据后代的质量逐个选择维度。最后采用改进的侦察蜂搜索方法来加速搜索。将ABC-MSDS算法与几个ABC算法在经典基准函数和CEC 2013位移和旋转函数进行比较,计算结果证明了ABC-MSDS算法的有效性。(2)提出基于自适应邻域搜索和高斯扰动的ABC算法(ABCNG)。首先,采用自适应方法动态调整邻域大小。然后基于邻域构造了一种改进的全局最优解引导的搜索策略。最后,设计了一种新的具有进化速率的高斯扰动,使每次迭代中没有成功进化的解再进化一次。在两个基准测试集上将ABCNG算法与一些优秀的ABC算法进行了比较。结果表明,ABCNG算法比这些ABC算法更具竞争力。(3)提出基于参考点和精英反向学习的多目标ABC算法(ROMOABC)。首先对原有的人工蜂群框架进行了改进,提高了种群更新效率,加快了收敛速度。在此基础上,提出了两种新的策略。在侦查蜂使用精英反向学习策略减少计算资源的浪费。通过参考点关联的外部存档增强解的分布。在ZDT、DTLZ和WFG的16个基准函数上进行了实验,与其他五种多目标算法的比较表明,该算法具有更好的收敛性和多样性。(4)以供水效益、区域缺水量、污染物排放量为目标建立南昌市水资源优化配置模型。以2020年作为水平规划年进行水资源优化配置。首先建立南昌市需水预测模型对2020年南昌市需水量进行预测。以2020年南昌市的预测需水量为2020年南昌市的需水量,采用多目标ABC算法ROMOABC优化2020年南昌市区域水资源配置。结果表明ROMOABC在解决南昌市水资源优化配置是有效的。