人工蜂群(ABC) 算法存在着收敛速度不够快、易陷入局部最优的缺陷. 针对这一问题, 提出一种改进的人工蜂群(DCABC) 算法. 应用反学习的初始化方法产生初始解, 引入分治策略对蜜源进行优化, 在采蜜蜂发布更新的蜜源信息后, 跟随蜂选择最优蜜源, 并采用分治策略进行迭代优化. 通过对经典测试函数的反复实验及与其他算法的比较, 表明了所提出的算法具有良好的加速收敛效果, 提高了全局搜索能力与效率.