الگوریتم کلونی زنبور عسل (به انگلیسی: Artificial bee colony algorithm) یک الگوریتم بهینه سازی بر اساس هوش جمعی و رفتار هوشمندانه جمعیت زنبور عسل است.

تئودور واس به استفاده از هوش جمعی زنبور در توسعه سیستم‌های مصنوعی با هدف حل مسایل پیچیده در ترافیک و حمل ونقل پیشنهاد داده‌است. تئودور واس همچنین پیشنهاد کرد بهینه‌سازی متا اکتشافی کلونی زنبور عسل (BCO) که قادر به حل قطعی مسائل ترکیبیات، و همچنین مسائل ترکیبی با مشخصه عدم قطعیت است.

الگوریتم زنبور (به انگلیسی: Bee Algorithm) شامل گروهی مبتنی بر الگوریتم جستجو است که اولین بار در سال ۲۰۰۵ میلادی توسعه یافت؛ این الگوریتم شبیه‌سازی رفتار جستجوی غذای گروه‌های زنبور عسل است. در نسخه ابتدایی این الگوریتم، الگوریتم نوعی از جستجوی محلی انجام می‌دهد که با جستجوی کترهای (تصادفی) ترکیب شده و می‌تواند برای بهینه‌سازی ترکیبی یا بهینه‌سازی تابعی به کار رود.

فهرست مطالب:

مقدمه

وجود ویژگی های هوش جمعی در زنبورها

انواع زنبورها

تاریخچه الگوریتم

فرآیندهای انتخاب در الگوریتم کلونی زنبور عسل مصنوعی

مقدار دهی اولیه به منابع غذایی

دسته اول: زنبورهای کارگر

شاخص محاکمه

دسته دوم: زنبورهای ناظر

حرکت زنبورهای ناظر

دسته سوم: زنبورهای پیشاهنگ

شبه کد برای الگوریتم ABC

چند الگوریتم بهینه شده کلونی زنبور عسل مصنوعی

الگوریتم Gbest – guided ABC

الگوریتم Best – so – far ABC

شرط جایگزینی راه حل بهتر

الگوریتم qABC

الگوریتم کلونی زنبور عسل مصنوعی موازی

هدف در این الگوریتم

استفاده از حافظه اشتراکی

حل مسائل ناپیوسته و دودویی توسط الگوریتم کلونی زنبور عسل مصنوعی

الگوریتم اول

الگوریتم دوم

و…

بعضی از اسلایدها انگلیسی هستند.