ComputerEngineeringandApplications计算机工程与应用2023，59（7）约束优化问题广泛存在于生活及工程优化中，例如：减速器设计[1-4]、焊接梁设计、拉压弹簧设计、压力容器设计、投资组合优化等问题。对于这类问题的求解通常是将其转化为数学模型，从而利用各种优化方法在多种解决方案中找出最优解决方案，以便决策者选择。约束优化问题常被构建为如下模型：minf()xs.t.■■■||gi()x≤0,i=1,2,…,mhi()x≤0,j=m+1,m+2,…,nLd≤xd≤Ud,d=1,2,…,D（1）其中，D是问题的维数，gi()x,i=1,2,…,m为不等式约束；Ld、Ud为搜索空间的上下界；hi()x,j=m+1,m+2,…,n为等式约束。由于智能优化算法具有不依赖梯度信息，且无需设置初值等信息的优点，被广泛应用于约束优化问题的求解中。人工蜂群（artificialbeecolony，ABC）算法是Karaboga[5]于2005年提出的一种基于仿生学的群智能优化算法，其具有参数较少、结构简单、鲁棒性好等优点，但利用原始的人工蜂群算法求解约束优化问题时具有一定的局限性。近年来，学者们对人工蜂群算法进行改进约束人工蜂群算法及金融应用支俊阳1，王贞1，2，崔轲轲11.北方民族大学数学与信息科学学院，银川7500212.咸阳师范学院数学与统计学院，陕西咸阳712000摘要：为了有效求解约束优化问题，提出一种改进人工蜂群算法。该算法引入Pareto支配准则提高算法探索能力，避免算法早熟。在雇佣蜂阶段，通过识别种群当前状态自适应选取搜索方程与约束处理策略，引导种群快速进入可行区域。在跟随蜂阶段，利用全局最优解引导种群进行搜索，提高算法开发能力。通过对CEC2006中20个测试函数实验结果分析表明，该算法能够有效求解约束优化问题。进而，将该算法应用于求解投资组合优化问题，通过数值实验说明该算法是求解投资组合优化问题的有效算法，可以用于求解此类金融问题。关键词：约束优化；改进人工蜂群算法；可行性规则；Pareto支配；投资组合优化文献标志码：A中图分类号：TP301.6doi：10.3778/j.issn.1002-8331.2111-0031ImprovedConstrainedArtificialBeeColonyAlgorithmandItsFinancialApplicationZHIJunyang1,WANGZhen1，2,CUIKeke11.SchoolofMathematicsandInformationScience,NorthMinzuUniversity,Yinchuan750021,China2.SchoolofMathematicsandStatistics,XianyangNormalUniversity,Xianyang,Shaanxi712000,ChinaAbstract：Animprovedartificialbeecolonyalgorithmisproposedforconstrainedoptimizationproblems.ThePare...
