Se asume que hay solo una abeja empleada para cada fuente de alimento.
Las abejas empleadas van a su fuente de alimento, vuelven a la colmena y danzan en esta área.
Previniendo que su néctar será mayor que el de su anterior fuente, la abeja memoriza la posición nueva y olvida la vieja.
Las fuentes abandonadas quedan determinadas y las fuentes nuevas son aleatoriamente producidas para ser reemplazados con las abandonadas por las abejas exploradoras.
Desde su desarrollo, ha sido aplicado para solucionar diferentes clases de problemas.
Las abejas en espera tienden a seleccionar buenas fuentes de alimentos de aquellas encontradas por las abejas empleadas.
Las fuente de alimento que tiene calidad más alta tendrá una posibilidad más grande de ser seleccionada por las abejas en espera que la de calidad más baja.
En el algoritmo CAA, la primera mitad del enjambre consta de abejas empleadas, y la segunda mitad constituye las abejas en espera.
El CAA genera una población inicial aleatoriamente distribuida de SN soluciones (fuentes de alimentos), donde SN denota el tamaño del enjambre.
Cada abeja empleada Xi genera una nueva solución candidata Vi en la vecindad de su posición actual como en la ecuación:
, es un índice aleatorio de dimensión seleccionado del conjunto { 1, 2,..., n} , y
Una vez la nueva solución de candidata Vi es generada, se realiza un selección golosa.
Una abeja en espera evalúa la información del néctar tomada de todas las abejas empleadas y escoge una fuente alimentaria con una probabilidad relacionada con su cantidad de néctar.
La selección probabilística constituye un mecanismo de selección de ruleta qué está descrito en la siguiente ecuación:
A mejor solución i, más alto es la probabilidad de que la i-esima fuente de alimentos sea seleccionada.
Si una posición no puede ser mejorada sobre un predefinido número (llamado límite) de ciclos, entonces la fuente de alimentos es abandonada.
Suponer que la fuente abandonada es Xi, y entonces la abeja exploradora descubre una nueva fuente de alimentos para ser reemplazado por la i-esima como se muestra en la ecuación:
Donde rand(1,0) es un número aleatorio entre [0,1] basado en una distribución normal y lm, ls, son las fronteras más bajas y altas de la i-esima dimensión, respectivamente.
D. Dervis Karaboga, An Idea Based On Honey Bee Swarm for Numerical Optimization, Technical Report-TR06, Erciyes University, Engineering Faculty, Computer Engineering Department 2005.