细菌觅食优化算法

 

原作者：Swagatam Das,Arijit Biswas,Sambarta Dasgupta,和Ajith Abraham 

[摘 要]细菌觅食优化算法（Bacterial foraging optimization algorithm[BFOA]）已经被分布式优化和控制的同行们当作一种全局性的优化算法接受。BFOA是由大肠杆菌的群体觅食行为所启发而总结出来 的。BFOA已经吸引了足够多的研究者的注意，由于它出现在解决真实世界中一些应用领域上优化问题的高效性。E.coli 的群体策略的生物基础是用特别的方式和简单的优化算法来进行模仿。着一张以传统的通俗易懂的BFOA算法大纲开始。然后分析“根据这个简单的数学模型模拟 BFOA的趋向性步骤”的动态。从这个分析过程中找出线索，在运行过程中根据当前的细菌适应情况，调整趋向性步骤的参数大小，最终得出BFOA的适应性变 量。之后在BFOA中细菌复制操作中的动态数据分析将被讨论。这里将讨论BFOA技术与其他的优化技术的混合技术，还将提供一个大多数至今的重要的 BFOA应用的解释。

1介绍

细菌觅食优化算法(BFOA)，被Passino所提出，对于仿生学优化算法大家庭来说是一个新兴技术。对于过去的50年来，优化算法，像遗传算法（GA），进 化规划(EA),进化策略（ES），从进化和自然遗传上吸引了许多他们的灵感，已经占领了优化算法领域。最近自然群体激发了算法，像粒子群优化（PSO） 算法，蚁群算法（ACO）已经找到了它们通向领域并且高效性的路。紧接着相同的群体算法趋势，Passino在提出了BFOA算法。大肠杆菌群体觅食策略的应用在多元函数最优化算法中是一个很关键的想法原型。细菌以一种可以最大限度的提高单位时间内获得能量的方式去寻找食物。个体细菌通过发送信号来与其他的细菌进行交流。细菌在考虑前面两个因素之后做出进行觅食的决定。这个过程中，当寻找到食物后细菌做出最小的步长的移动，这个过程叫做趋化。BFOA的关键思想是在问题搜索空间模仿细菌趋化运动。

　　从该算法出现以来，BFOA吸引了许多来自不同知识领域的研究人员的关注，主要是由于它的生物学驱动方式和神奇优美的结构。研究人员正在尝试着去混合BFOA算法与其他不同的算法，尽量去探索该算法的局部和全局两个方面的特性。它已经被应用到许多现实世界的真实问题上，证明其他GA和PSO等多变量方面的高效性。数学模型，适应性，算法的修改可能是BFOA将来的主要研究方向。