رویکرد های اکتشافی امروزه به فراوانی در تخصیص بهینه کاربری اراضی مورد استفاده قرار می گیرند این رویکرد می تواند اهداف مختلف و از جمله مطلوبیت و معیارهای سیمای سرزمین را همزمان در تخصیص کاربری اراضی به کار گیرد. در این میان، الگوریتم کلونی زنبور عسل، یک الگوریتم اکتشافی نسبتا جدید بر مبنای هوش جمعی می باشد. این الگوریتم از رفتار جمعی زنبور های عسل جهت یافتن مکان غذا در طبیعت تقلید الهام می گیرد. این الگوریتم به دلیل قدرت، کارایی و راحتی اجرا در دامنه گسترده ای از دنیای واقعی مورد استفاده قرار می گیرد. در این پژوهش به منظور در نظر گرفتن معیار فشردگی و پیوستگی لکه های کاربری اراضی و مرتفع نمودن این مشکل در رویکرد MOLA، از الگوریتم زنبور عسل تک هدفه و چند هدفه با در نظر گرفتن دو معیار مطلوبیت سرزمین و فشردگی کاربری اراضی استفاده گردید. بر اساس ذات روش های اکتشافی که جستجو در میان راه حل های ممکن می باشد، زمان مورد نیاز برای جستجو با افزایش محدوده مورد مطالعه، افزایش تفکیک مکانی داده ها و افزایش تعداد کاربری اراضی به صورت نمایی افزایش می یابد و با توجه به محدودیت های زمانی، رسیدن به پاسخ نهایی (نزدیک بهینه) را دشوارتر می سازد لذا در این پژوهش با استفاده از رویکرد ایجاد جمعیت اولیه شبه تصادفی بر اساس اطلاعات و مکانیسم جستجوی محلی شبه تصادفی بر اساس عملگر های تقاطع، تعدیل و تغییرات هدفدار، سعی در افزایش کارایی و سرعت همگرایی الگوریتم زنبور عسل گردید. در این پژوهش، همچنین با توجه به زمان طولانی برای اجرای الگوریتم های اکتشافی، نسبت به ارائه یک الگوریتم ابتکاری تخصیص کاربری اراضی بر اساس امتیاز همسایگی اقدام گردید که می تواند جایگزین مناسبی برای رویکرد MOLA و رویکردهای اکتشافی در تخصیص بهینه کاربری اراضی برای در نظر گرفتن دو معیار مطلوبیت و فشردگی لکه های کاربری اراضی باشد .
