利用优秀个体增强解搜索方程的开采能力是改进人工蜂群算法的一种主流思路. 然而，现有相关工作往往仅以适应度信息作为评价个体的唯一标准，易导致算法出现早熟收敛等问题. 本文提出一种多元信息引导的人工蜂群算法，分别设计了基于适应度、位置、以及相似度信息的三种解搜索方程，并在雇佣蜂阶段和观察蜂阶段采用了不同的使用方式 . 同时，为保存侦察蜂阶段的搜索经验，采用一种微调后的邻域搜索机制用于处理被放弃蜜源 . 在CEC2013测试集和一个实际优化问题上进行了大量实验验证，与六种衍生算法和五种知名的相关改进人工蜂群算法进行了对比，结果表明本文算法性能非常有竞争力，在结果精度和...
