（Artificial Bee Colony (ABC) Algorithm）是模仿蜜蜂行为提出的一种优化方法，是群体智能思想的一种重要的机器学习方法，主要用来解决最优化问题。目前，人工蜂群算法主要应用于大数据分析中的机器迭代、移动通信信道的最优化利用、旅游路线规划、物流最优路径规划、电力系统故障诊断、船舶目标方位估计、单通道周期性信号盲分离、太阳能电池模型参数的辨识和孤岛式混合能源系统优化配置等。然而，传统的人工蜂群算法收敛速度慢且容易陷入局部最优解，为了克服这两个缺点，
提出了一种能基于自适应随机优化策略的人工蜂群改进算法，证明了算法的收敛性，并且设计了具体的实验方法，期间陶红玉和付国庆两位老师全程参与并完成了具体实验，实验结果表明，改进算法的性能比传统算法性能有较大提升。
研究小组对算法的设计源于2016年11月，多次修改算法流程，并证明了算法的收敛性，最后通过实验验证了算法的先进性。2017年6月开始撰写论文，于2017年8月向《Cluster Computing》杂志投稿，其间历经2次大修，3次小修，于2018年3月25日正式录用，并由斯普林格出版社（Springer）在线出版。src=
