人工蜂群算法是基于仿生学提出的群智能优化算法,具有结构简单、参数少、全局搜索能力强等特点,现如今已被应用到诸多领域。但是传统蜂群算法依然存在易陷入局部最优、局部开发能力弱、收敛速度较慢等问题,限制了其性能。因此,对蜂群算法的改进研究具有重要的理论研究意义与应用价值。本文在传统人工蜂群算法的基础上进行深入研究,针对其存在的问题提出两种改进算法,并将其应用到冷连轧负荷分配中。本文的主要工作如下:(1)针对多目标人工蜂群算法全局搜索和局部开发能力不平衡的缺陷,提出了基于阈值搜索的多目标人工蜂群算法。根据不同蜜源的开发阈值在其邻域范围内选择搜索半径,平衡算法的搜索能力和开发能力,加快收敛速度;其次,对外部精英个体赋予引导阈值,并根据外部档案中解的分布情况和开发情况,合理选择外部档案解。为了验证算法的有效性,采用ZDT和DTLZ系列测试函数进行仿真,结果表明算法所获Pareto前沿具有良好的分布性和收敛性。(2)针对人工蜂群算法处理复杂多目标问题收敛速度慢的问题,提出了基于调节算子的多目标蜂群算法。首先,根据蜜源情况自适应地选择搜索半径,在各个时期侧重于不同搜索方向。其次,将分布情况纳入适应度值计算中,利用轮盘赌策略选择种群中多样性解,引导种群进化。通过将外部档案个体维度混合,保证良好的分布性。为了验证算法的有效性,采用具有复杂相关变量的UF系列测试函数进行仿真,结果表明改进算法具有良好的收敛速度。(3)以五机架冷连轧机为研究对象,建立以预防打滑、等功率裕量、末机架板形良好为目标的数学模型,并利用RMOABC算法和LSABC算法对冷连轧轧制规程进行优化。仿真结果表明,优化后的负荷分配方案降低了打滑概率,平衡了各机架负荷,且可以提高板形质量。