基于模拟退火策略的细菌觅食优化算法

《基于模拟退火策略的细菌觅食优化算法》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于模拟退火策略的细菌觅食优化算法摘要：针对标准细菌觅食优化算法(BFOA)求解精度不高、稳定性较差、容易陷入局部极值的问题，提出了一种基于模拟退火策略的细菌觅食优化算法(SA-BFO)。该算法在趋向操作完成后，采用模拟退火策略对全局最优个体进行优化，提高算法的优化精度和稳定性，利用模拟退火算法的概率突跳性来避免陷入局部极值。仿真实验结果表明，改进算法比标准细菌觅食优化算法具冇较高的优化性能。关键词：细菌觅食优化算法；模拟退火；概率突跳性；精度；稳定性中图分类号：TP18文献标识码：A文章编号：1009-3044(2013)10-2442-04细菌觅食优化算法(BacterialForagi

2、ngOptimizationalgorithm,BFOA)是一种源丁微生物世界的新型仿生类智能优化算法［1］。它是由KevinM.Passino在对人类肠道中真实大肠杆菌的觅食彳亍为研究的基础上提出的一种全局启发式算法。目前已在电器工程与控制、滤波器问题、人工神经网络训练、模式识别、调度问题等方面得到成功应用。但也存在一些缺点，如算法在趋向性操作屮容易陷入局部极值、求解精度不高、稳定性较差。为了提高BFOA的性能，人们对算法的改进进行了研究，主要集中在算法参数和算法融合两个方面。梁艳春等人对趋向性操作进行改进提出了两种新的搜索策略：基于个体信息和基于群体信息的搜索策略；陈瀚宁等人分析步长c对

3、BFOA局部开采和全局探索能力的影响提出自适应趋向性步长，并利用步长C的特点提出了协同细菌觅食算法[2]；储颖等人针对细菌觅食优化收敛速度慢的特点，提出一种快速细菌群游算法[3],加强了算法在优化初期的全局搜索能力以及优化后期的局部搜索能力；Dasgupta和Das等人理论分析了使用口适应机制的步长对算法收敛性和稳定性的影响[4],但是他们的理论分析是基于一定的条件假设，只考虑在一维的连续空间中一个单独粒子进行的趋向性操作；Mishra提岀用Takagi-Sugcno型模糊推理机制选取最优步长，该算法被称为模糊细菌觅食算法，但是，模糊细菌觅食算法的性能完全依赖于隶属函数和模糊规则参数的选择[

4、5]oBiswas等人结合BF0A和PSO形成了混合算法一细菌种群优化（BSO）[6],有效地平衡了局部开采能力和全局探索能力，但是该算法在细菌的趋化算子内嵌入粒子群方法，赋予细菌对全局极值的感知能力，所冇细菌通过与全局极值的对比，根据粒子群迭代公式更新细菌位置,此时算法中的趋化算子并没有起到作用；Dasgupta等人将差分进化算法中的交叉与变异操作引入到BF0A,提出了一种混合全局优化算法[7],虽然增加了种群的多样性，但同时也容易导致群体中优秀个体的缺失。木文将模拟退火策略引入到基本的BF0A,提出了一种基于模拟退火策略的细菌觅食优化算法。该算法在趋向操作完成后，采用模拟退火策略对全局最

5、优个体进行优化，提高算法的优化精度和稳定性，利用模拟退火算法的概率突跳性来避免陷入局部极值。1基本细菌觅食优化算法1.1BF0A的基本原理BFOA模拟的是大肠杆菌在人体肠道内吞噬食物的行为，该算法主要有三大基本操作：趋化操作、复制操作、迁移操作。一个优化周期主要由3个部分组成，它们分别是趋化过程(Chemotaxis),繁殖过程(Reproduction),迁徙过程(EliminationandDispersal)o1)趋化过程2模拟退火算法模拟退火算法的思想最早是由Metropolis等提出的，1983年Kirkpatrick等将其用于解决组合优化问题［8］。该算法的出发点來源于工程中固体

6、物质的退火原理，模拟了高温金属降温的热力学过程。从某一较高温度出发，伴随温度参数的不断下降，逐渐产生新的状态，结合概率突跳性在解空间中随机寻找目标函数的全局最优值，最终固体内粒子逐渐有序，达到平衡态。模拟退火算法在搜索过程中的概率突跳能力可以有效避免算法陷入局部极值，从而高效快速的找到全局最优解［9］。算法优化流程如下：3)输出算法搜索结果。3改进的细菌觅食优化算法3.1对优化变量进行越界处理将退火策略引入基本细菌觅食优化算法屮，提出了一种基于退火策略的细菌觅食优化算法。该算法利用模拟退火算法的概率突跳性来避免陷入局部极值，釆用模拟退火策略对全局最优个体进行优化，提高算法的优化精度和稳定性。

7、实验结果表明,改进算法具有更好的求解精度和鲁棒性,但是运行速度较慢，有待在后续研究中改进并将其应用于实际工程优化问题中。参考文献：[1]麦雄发，李玲•混合PSO的快速细菌觅食算法[J]•广西师范学院学报，2010,4(27)：91-95.[2]ChenH,ZhuY,HuK・Cooperativebacterialforagingoptimization[J]・DiscreteDynamicsinNaturea