人工蜂群算法是群体智能优化算法的一种。由于其具有控制参数较少、易于实现、计算简单等优点,被广泛应用于多个研究领域。但是,与其他一些智能算法相类似,基本人工蜂群算法同样存在着早熟收敛、易陷入局部最优、进化后期收敛较慢等问题。为了克服人工蜂群算-法容易陷入局部最优的不足,本文借鉴禁忌搜索算法的思想,对标准人工蜂群算法进行了改进。将禁忌搜索技术引入到人工蜂群算法中,用于帮助算法跳出局部最优。通过在蜜蜂搜索蜜源的过程中增加一个禁忌表T,来用于存放已经搜索过的蜜源信息,从而得到一个新的搜索机制,这一新的搜索方式,可以有效避免重复搜索,进而加强算法本身的局部开发能力。为了验证改进算法的性能,引入包括单峰函数、多峰函数在内的10个典型标准测试函数进行数值模拟实验，并通过MATLABR2014a编程软件进行实验。结果表明,个别函数未能达到预想结果,但绝大多数函数可以以较低次数的迭代后逼近理论最优值,运行结果良好。对于未能达到理想结果的情况做出了相应分析,此外,将改进人工蜂群算法在30维问题中的运行结果与标准人工蜂群算法的运行结果进行对比,对比结果显示,改进的人工蜂群算法具有更高的搜索效率。此外,鉴于改进的人工蜂群算法的优越性,将其应用于地表沉降量预测问题中。通过引入用于地表沉陷预测的概率积分法模型,并结合关于概率积分法及地表沉陷预测的现有研究对引用模型进行改进,利用改进的人工蜂群算法,对地表沉降量计算模型进行参数优化,并将优化后的模型应用于工程实例。运行结果显示,预测下沉值与实际下沉值的误差在(0,0.0026)之间,优于标准人工蜂群算法的运行结果,充分说明了改进人工蜂群算法在地表沉降量预测中的可行性及高效性。这对于指导现场施工具有一定的理论研究意义。最后,对本文的研究内容做出了总结,指出了改进算法需要进一步研究的内容,并对人工蜂群算法的发展方向提出了展望。