多序列比对是生物信息学中最重要和挑战性的任务之一. 针对多序列比对是NP 完全组合优化问题, 引.入Tent 混沌初始化种群策略、不同蜂种的邻域搜索策略和锦标赛选择策略等, 提出了一种基于多策略人工蜂群.的多序列比对算法. 该算法应用Tent混沌初始化种群策略以使初始个体多样化和获取较好初始解; 其次针对不同.蜂种的特性设计不同的邻域搜索策略以平衡算法的全局探索与局部开发能力. 同时引入序列比对的蜜源编码方.法以适应多序列比对的离散性. 实验结果表明, 该算法鲁棒性较强, 能获取较好的比对性能和生物特性

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。

语音情感特征的提取和选择是语音情感识别的关键问题，针对线性预测（LP）模型在语音情感谱包络方面存在的不足。本论文提出了最小方差无失真响应（MVDR）谱方法来进行语音情感特征的提取；并通过人工蜂群（ABC）算法找到最优语音情感特征子集，消除特征冗余信息；利用径向基函数（RBF）神经网络对CASIA汉语情感语料库中的4种情感语音即生气、平静、高兴、害怕进行实验识别。实验结果表明，该方法比线性预测法有更高的识别率和更好的鲁棒性。