动态高斯变异和随机变异融合的自适应细菌觅食优化算法.pdf

《动态高斯变异和随机变异融合的自适应细菌觅食优化算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第42卷第6期计算机科学Vo1．42NO．62015年6月ComputerScienceJune2015动态高斯变异和随机变异融合的自适应细菌觅食优化算法张新明尹欣欣冯梦清(河南师范大学计算机与信息工程学院新乡453007)摘要针对细茵觅食4~'[L(BacterialForagingOptimization，BFO)算法在高维函数优化上性能较差和普适性不强的问题，提出一种动态高斯变异和随机变异融合的自适应细菌觅食优化算法。首先，将原随机迁徙方案修改为动态高斯变异与随机变异融合的迁徙方法，即搜索前期利用随机迁徙有利于增加解的多样性，获得全局最优解，搜索后期改用动态的高斯变异来提高算法的

2、收敛速度；然后，对趋化操作中的步长参数使用动态调整和自适应调整来增强算法的普适性；最后，构建全局极值感应机制使优化更有效，从而获得了一种高性能的自适应BFO算法，以便能够高效解决高维函数的优化问题。14个高维函数优化的仿真结果表明，提出的算法不仅优化效果好、普适性强，而且能以更快的速度找到全局最优解，性能优于SBFO、POLBBO、BFAVP和RAIN；算法。关键词优化方法，细茵觅食优化算法，高斯变异，高维函数优化，动态调整中图法分类号TP181文献标识码ADOI10．11896／j．issn．1002—137X．2015．6．023AdaptiveBacterialForagingO

3、ptimizationAlgorithmBasedonDynamicGaussianMutationandRandomOneforHighDimensionalFunctionsZHANGXin-mingYINXin-xinFENGMeng-qing(CollegeofComputerandInformationEngineering，HenanNormalUniversity，Xinxiang453007，China)AbstractInviewoftheshortcomingsoffacterialforagingoptimization(BFO)，suchasthebadopti

4、mizationperfor．manceandgeneralizationinitsapplicationofhighdimensionalfunctionoptimization，anadaptivebacterialforagingopti—mizationalgorithmbasedoncombingdynamicGaussianmutationandrandomonewasproposedinthispaper．First，theoriginalelimination-dispersaloperatorisreplacedwithanewonebasedoncombiningr

5、andommutationtoaddpopula—tiondiversityanddynamicalGaussianmutationtoraiseconvergencerate．Thenachemotacticstepmechanismisadoptedwithdynamicaladjustingandself-adaptingadjusting．Finally，anewcommunicationmechanismisaddedtotheimprovedBFO．Thesimulationresultson14high-dimensionalfunctionsindicatethatth

6、eproposedoptimizationalgorithmisrapidandhasgoodperformanceandgeneralization，andoutperformsthecurrentglobaloptimizationalgorithmssuchasSBF0，P0LBB0，BFAVPandRABC．KeywordsOptimizationmethod，Bacterialforagingoptimization(BFO)，Gaussianmutation，Highdimensionalfunctionoptimization，Dynamicaladjusting争协作机

7、制而提出的一种新型仿生类群体智能算法。该算法1引言因具有群体智能算法并行搜索、易跳出局部极值等优点，被广群体智能优化算法是一类模拟自然界中生物群体的随机泛用于函数优化_3]、预测控制[4]、电气工程与控制[5]及图像处优化算法，该类优化算法通过群体中个体之间的相互协作与理_6]等方面，已经成为生物启发式计算研究领域的又一热竞争实现对问题最优解的搜索。函数优化问题几乎普遍存在点。为克服BFO算法在多维复杂优化问题中其觅食机制容于科学和工程等领域的