شرح مختصر : انسان هميشه براي الهام گرفتن به جهان زنده‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌ی پيرامون خود نگريسته است. يکي ازبهترين طرح‌هاي شناخته شده، طرح پرواز انسان است که ابتدا لئورناردو داوينچي (1519-1452) طرحي از يک ماشين پرنده را براساس ساختمان بدن خفاش رسم نمود. چهارصد سال بعد کلمان آدر ماشين پرنده‌اي ساخت که داراي موتور بود و به جای بال از ملخ استفاده مي‌کرد. در دهه‌های اخیر، روش‌های تکاملی و فراکاوشی به عنوان یک ابزار جستجو و بهینه‌سازی در حوزه‌های مختلفی مانند علوم تجاری و مهندسی مورد استفاده قرار گرفته است. وسعت دامنه‌‌ی کاربرد، سهولت استفاده و قابلیت دست‌یابی به جواب نزدیک و بهینه‌ی مطلق از جمله دلایل موفقیت این روش‌ها می‌باشد. هوش دسته جمعی، زیر شاخه‌ای از هوش مصنوعی است که بر پایه‌ی رفتار جمعی سیستم‌های غیر متمرکز و خود سازمان‌‌ده بنا شده است. نمونه‌ای از هوش جمعی، کلونی زنبور عسل است. یکی از کاربردهای این الگوریتم، مسائل بهینه‌سازی چندتایی است برای همین برخی به آن الگوریتم بهینه‌سازی زنبورعسل می‌گویند. دراین مقاله، الگوریتم کلونی زنبورعسل مورد استفاده قرار می‌گیرد و نتایج تولید شده توسط الگوریتم مقایسه می‌شوند. موضوع کلونی زنبور عسل خود به دو بخش جستجوی غذا و فرآیند جفت‌گیری زنبورها تقسیم می‌شود.فهرست :مقدمهفصل اول الگوریتم‌های تکاملیهوش مصنوعیالگوریتم چیست؟الگوریتم‌های تکاملیکاربردهاالگوریتم کلونی مورچهبهینه سازی مسائل به روش کلونی مورچهمورچهها چگونه مي‌توانند کوتاه‌ترين مسير را پيدا کنند؟الگوریتمالگوریتم کلی حرکتشبه کد و فلوچارت الگوریتممزیتهاکاربردهاالگوریتم رقابت استعماریدهی امپراطوری‌های اولیهسیاست جذبانقلابجابجایی موقعیت مستعمره و امپریالیسترقابت استعماریسقوط امپراطوری‌های ضعیفشبه کدمزیتهاکاربردهاالگوریتم ژنتیکمکانیزم الگوریتم ژنتیکعملگرهای الگوریتم ژنتیککدگذاریارزیابیترکیبجهشرمزگشاییشبه کدکاربردهاالگوریتم ازدحام ذراتکاربردهاکدام الگوریتم بهتر است؟فصل دوم الگوریتم زنبور عسلتعریفکلونی زنبورهاجستجوی غذا در طبیعتالگوریتم کلونی زنبورهای مصنوعیبهینهسازی کلونی زنبورهامعرفی کلونی زنبورهای مصنوعیشبه کدالگوریتم بهینه‌یابی جفت‌گیری زنبورهای عسلمدلسازی جفت‌گیری زنبورهای عسلفصل سوم کاربردهای الگوریتم زنبورعسلThe Ride Matching problemsNumerical exprimentدنیای مجازی در تسخیر زنبور دیجیتالبهینهسازی سدایدهی روباتیسایر کاربردهافصل چهارم کاربرد الگوریتم زنبورعسل در بهینه‌سازی مسائل ریاضیبهینهسازیشاخههای اصلیانواع مسائل بهینهسازییک مساله‌ی بهینهسازیقضایاوجود نقطه‌ی بهینهکاربرد الگوریتم در مثال‌های ریاضیتابع سینوسی نامقیدتابع توانی مقیدارزیابی الگوریتمتابع Griewankتابع Rastriginتابع Rosenbrockتابع Ackleyتابع Schwefelنتیجه‌گیری و پیشنهاداتپیوست کد برنامه‌ی مربوط به الگوریتم زنبور عسل به زبانCفهرست منابعفهرست شكل‌ها و جدول‌ها:شمای گرافیکی مغز انساننمونهای از تکامل در طول تاریخسختی در حمل غذا و لزوم یافتن کوتاه‌ترین مسیرفرومون و چگونگی یافتن کوتاه‌ترین مسیرعدم تاثیر موانع در یافتن کوتاه‌ترین مسیرفلوچارت الگوریتم مورچهاستعمارشکلدهی امپراطوری اولیهنحوهی تقسیم مستعمرات میان کشورهای استعمارگرتغییرات ناگهانی و وقوع انقلابتعویض موقعیت مستعمره و استعمارگررقابت استعمارگرانسقوط یک امپراطورینمای گرافیکی ژنترکیب در الگوریتم ژنتیکالگوریتم اجتماع ذراتswarm زنبورهاکدام الگوریتم؟هدیه‌ای از جانب خداتلاش برای یافتن قطعات گلداررقص چرخشینمودار احتمال انتخاب زنبور‌هاي نر بر حسب تغييرات سرعتنمودار احتمال انتخاب زنبور‌هاي نر برحسب تغییرات مقدار تابع هدفالگوریتم HBMOجریان ماهیانه‌ی ورودی به مخزن و نیاز متوسطمیزان متوسط افت خالص ماهیانهتغییرات تابع هدف در بهترین پرواز جفتگیریتغییرات حجم مخزن در هر پریودتغییرات میزان رهاسازی از مخزن در هر پریودرويهي تابع سينوسي نامقيدتغييرات مقدار تابع هدف در طول پروازهاي جفتگيريتعداد تجمعی موفقیت توابع در طول پروازهای جفتگیریتغييرات حداكثر مقدار تابع هدف در اجرا و در دفعات ارزيابي تابع هدفتغييرات متوسط مقدار تابع در اجرا و در طول دفعات ارزيابي تابع هدفرويهي تابع تواني مقيدتغييرات مقدار تابع هدف در طول پروازهاي جفتگيريتعداد تجمعي موفقيت توابع در طول انجام پروازهاي جفتگيريتغييرات متوسط مقادير تابع هدف در اجرا و در طول تعداد دفعات ارزيابيتغييرات حداقل مقادیر تابع هدف در اجرا و در طول تعداد دفعات ارزيابیجدول ـ مقادیر تابع هدف در بار اجرا و پرواز جفتگيريجدول ـ پارامترهاي آماري تابع هدف در بار اجرا و پرواز جفتگيريجدول ـ مقادير تابع هدف و دومتغير تصميم در اجرا و درپايان پروازجفتگيريجدول پارامترهاي آماري تابع هدف و دومتغير تصميم در اجرا پرواز جفتگيريجدول پارامترهاي آماري مقادير تابع هدف در اجرا توسط الگوريتم ژنتيك با احتمالات مختلفجدول مقاديرتابع هدف و دو متغير تصميم در اجرا و پرواز جفتگيريجدول پارامترهاي آماري تابع هدف و دو متغير تصميم در اجرا ودر پرواز جفتگيريجدول پارامترهاي آماري مقادير تابع هدف در بار اجرا توسط الگوريتم ژنتيك با احتمالات مختلف