人工蜂群算法(ABC)是近年来新出现的高效的全局寻优算法,但是由于是单群体的串行优化算法,所以容易出现早熟收敛的情况,并且其贪婪选择方式导致在算法后期收敛速度较慢。为了克服这些缺点,本文引入交叉熵方法结合人工蜂群算法,提出一种新的交叉熵蜂群算法(CEABC)。并行演化算法是近年来优化算法进一步的发展方向,但是当前并行算法在计算数和稳定性上提升较少,并且对并行人工蜂群算法的研究也仅在起步阶段。因此,本文在遵循ABC算法原理特性的基础上,从多群体角度出发,提出粗粒度并行人工蜂群算法(CPABC)和粗粒度并行交叉熵蜂群算法(CPCEABC)。交叉熵方法可以很好地结合ABC算法中观察蜂生成机制,替代轮盘赌选择方式。CPABC和CPCEABC在结构上结合ABC算法中侦查蜂操作,加强算法避免早熟收敛的能力。基准测试函数测试结果表明,三种新算法在寻优能力和收敛速度上都明显提高。本文将CPABC算法离散化,并应用于旅行商(TSP)问题中。新算法对两个TSP算例都能寻到最佳路径,最好结果比串行算法更优。随后用四种天线优化的基准问题对两种并行算法进行测试,结果均优于ABC算法。最后将两种并行算法应用于阵列天线方向图综合,得到较低的副瓣电平。新的并行算法兼顾全局寻优和收敛速度,通用性强、稳定性好、计算量小,更适合应用于复杂度较高的工程问题。