人工蜂群算法是较新出现的群智能优化搜索算法,它是仿照蜜蜂的觅食行为提出的优化方法。在2005年,经过多年分析蜜蜂采蜜原理的基础上,土耳其的学者Karaboga创始了人工蜂群算法。由于人工蜂群算法有着明了易懂、较易完成、鲁棒性强、参数较少等优点,很快引起了许多学者的关注。由于算法提出的时间比较短,算法还不是太成熟,在实际领域的应用也不是太广泛。所以人们在不断地发掘算法在新的领域的应用,不再仅仅局限于在函数优化方面的应用。从当前的研究状况来看,人工蜂群算法已经在机器人路径规划、网络路由、调度问题、无线传感器网络节点部署、参数优化和图像分割等多个领域中得到了成功的应用,并且新的应用场景还在不断被提出。然而在应用到实际问题的过程中,人工蜂群算法也暴露出了它的缺点,最主要的缺陷是收敛速度较慢、收敛精度较低、容易陷入局部最优等,这些缺点使得算法在应用到实际问题的优化时结果还不是太好,所以算法还有待于进一步的研究并扩展其应用。这篇文章在基本的人工蜂群算法的基础上,针对上述人工蜂群算法不足的地方,并结合实际问题坐标转换七参数的求解,对人工蜂群算法进行了两个方面的改进,并将其用于坐标转换七参数的计算。基本内容如下：首先,本文详细介绍了人工蜂群算法基本概念和主要思想,然后给出了算法的实现步骤,介绍了坐标系的基础理论知识、坐标系的类型以及坐标转换方法。然后针对人工蜂群算法在初始解生成的时候时是随机的,具有一定的盲目性的问题,并结合坐标系转换七参数的计算问题：计算七参数的三个重合点的选择是随机的,其中有很大部分点是不满足坐标转换精度标准的,再改进下去意义不大；在随机初始生成的解中剔除坐标转换精度不达标的七参数及其对应的重合点组,如此会使算法在应用到七参数计算时收敛较快,以便后续计算越来越好。然后,针对人工蜂群算法在观察蜂阶段采取与雇佣蜂相同的搜索策略,没有注意到个体之间的关系,容易使算法陷入局部最优的缺点,并结合坐标转换七参数计算的特点：重合点的个数和重合点在坐标系中组成的外接多边形面积,会对求得的七参数进行坐标转换的精度有影响,本文提出,在观察蜂阶段选择机制中加入对重合点个数和重合点组成的多边形面积因素的评估。这样可以使算法在全局领域内探求最好的解。最后,需要证明运用改进的人工蜂群算法得到的七参数在计算坐标转换精度的优越性,本文进行了本文提出的人工蜂群算法与基本的人工蜂群算法应用到计算坐标转换的七参数相互对比实验,以及和现阶段常用的坐标转换的方法对比实验,实验结果证明,本文提出的算法可以求出坐标转换精度较高的七参数,并且具有较高的稳定性。