細(xì)菌覓食優(yōu)化算法研究

吳進(jìn) 周昊

摘要：在管理、經(jīng)濟(jì)、工程和科技領(lǐng)域中，常需要求解多約束條件下的最優(yōu)解問(wèn)題，群體智能算法是常用的求解方法。細(xì)菌覓食優(yōu)化算法（BFO）是近年來(lái)提出的一種新型的群體智能算法，不僅在群體智能優(yōu)化理論中具有學(xué)術(shù)意義，在動(dòng)態(tài)、多目標(biāo)、多約束等復(fù)雜條件下的工程優(yōu)化求解問(wèn)題中也具有巨大的應(yīng)用價(jià)值。

關(guān)鍵詞：細(xì)菌覓食優(yōu)化算法;群體智能算法;智能優(yōu)化算法;BFO

中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2020）06-0073-02

1背景

在實(shí)際的工程等領(lǐng)域中，人們常需要選擇最合理、最優(yōu)的解決方案，即“求解最優(yōu)解”問(wèn)題。從數(shù)學(xué)家求解多元函數(shù)極值問(wèn)題開(kāi)始，到解決非線性規(guī)劃問(wèn)題等，最優(yōu)化理論的研究逐步得到進(jìn)展，各種優(yōu)化方法成為研究熱點(diǎn)。20世紀(jì)90年代左右，學(xué)者們從大自然中找到靈感，研究了生物啟發(fā)式算法——群體智能算法，如PSO等。近年來(lái)，學(xué)者從大腸桿菌在人體腸道內(nèi)的覓食行為，提出了細(xì)菌覓食優(yōu)化算法fBacterialForagingOpti-mization，BFO），成為群體智能算法的又一研究熱點(diǎn)。

2細(xì)菌覓食算法基本原理

細(xì)菌作為最簡(jiǎn)單的、最古老的無(wú)核單細(xì)胞生物，具有強(qiáng)韌的生命力，和對(duì)復(fù)雜環(huán)境的適應(yīng)性，顯示了其生存活動(dòng)過(guò)程中的優(yōu)化本能。大腸桿菌的覓食行為主要過(guò)程可以分為3個(gè)步驟：1）尋找可能存在的食物區(qū)域;2）判斷是否進(jìn)入該區(qū)域;3）經(jīng)過(guò)一段時(shí)間的食物消耗后，或者當(dāng)前環(huán)境變得惡劣不適宜生存，細(xì)菌消亡或者遷移到其他適宜的覓食區(qū)域。

BFO算法具有并行搜索、易跳出局部極小值等優(yōu)點(diǎn)，被廣泛運(yùn)用于圖像處理、自動(dòng)控制、神經(jīng)網(wǎng)絡(luò)訓(xùn)練等多方面問(wèn)題。細(xì)菌覓食優(yōu)化算法主要以趨化、復(fù)制、消亡與遷移等三種算子進(jìn)行迭代和搜索最優(yōu)解，以及種群進(jìn)化。其中最關(guān)鍵的是趨化算子，模擬的是細(xì)菌的趨化過(guò)程，翻轉(zhuǎn)（Iumble）和游動(dòng)（swim）。

3細(xì)菌覓食優(yōu)化算法的優(yōu)化流程

步驟1：初始化種群，包括各種參數(shù)。如表1所示。

步驟2：設(shè)計(jì)評(píng)價(jià)函數(shù)，并求出當(dāng)前群體各個(gè)體的最優(yōu)解。

步驟3：種群進(jìn)化。分為三層循環(huán)：

（1）遷移循環(huán)（1-1+1）

（2）復(fù)制循環(huán)（k=k+1）

（3）趨化循環(huán)（j=i+1）

步驟四：算法結(jié)束，輸出群體最優(yōu)解。

整個(gè)算法流程圖如圖1所示。

3.2群體交流（即聚集性操作Swarming）

細(xì)菌覓食過(guò)程中會(huì)有交流聚集行為。細(xì)菌之間既有引力又有斥力以釋放信號(hào)。斥力使其他細(xì)菌保持安全距離，不要向其游動(dòng)。引力使細(xì)菌聚集在一起，吸引其他細(xì)菌向之游動(dòng)。

3.3消亡及遷移（Elimination and Dispersal）

當(dāng)細(xì)菌環(huán)境改變時(shí)，如食物逐漸耗盡或者其他變化f如溫度突變等），該區(qū)域的細(xì)菌種群就會(huì)遷移到新的適宜的地方，或者就是死亡。在BFO算法中稱為消亡及遷移操作。

遷移操作讓細(xì)菌以概率P^ed被隨機(jī)重新分配到另外的空間區(qū)域，原來(lái)的細(xì)菌個(gè)體死亡，并在解空間的其他隨機(jī)位置產(chǎn)生新個(gè)體。這些新個(gè)體也許比較接近全局最優(yōu)解，從而有利于趨向操作跳出局部最優(yōu)解，進(jìn)而可以在全局尋找最優(yōu)解。

4細(xì)菌覓食優(yōu)化算法的應(yīng)用分析

與其他群體智能算法相比，細(xì)菌覓食優(yōu)化算法比較簡(jiǎn)單、靈活，也可以與其他各種算法結(jié)合產(chǎn)生新的優(yōu)化算法，可以解決多方面的應(yīng)用問(wèn)題，具有比較強(qiáng)的適應(yīng)性和魯棒性?？梢杂糜趫D像處理方面，如圖像分割、圖像增強(qiáng)、特征抽取、人臉識(shí)別、圖像配準(zhǔn)等;可用于電力系統(tǒng)優(yōu)化方面，如最優(yōu)潮流設(shè)計(jì)、發(fā)電控制參數(shù)優(yōu)化、電力系統(tǒng)經(jīng)濟(jì)調(diào)度、諧波評(píng)估等;可用于智能控制方面，如電磁裝置優(yōu)化控制、太陽(yáng)能追蹤控制系統(tǒng)、非線性動(dòng)態(tài)系統(tǒng)等;可用于參數(shù)優(yōu)化選擇方面，如各種控制器的參數(shù)設(shè)計(jì)等;可用于經(jīng)濟(jì)管理方面，如車間作業(yè)調(diào)度問(wèn)題、股票預(yù)測(cè)等;還有生物信息學(xué)DNA序列主題發(fā)現(xiàn)等。但是細(xì)菌覓食算法也有不足，如算法參數(shù)比較多比較復(fù)雜，計(jì)算復(fù)雜性較大。

5總結(jié)

BFO算法作為群體智能算法中的新的醫(yī)院，已引起了國(guó)內(nèi)外大量學(xué)者的關(guān)注和研究，但是大多數(shù)是針對(duì)具體的應(yīng)用場(chǎng)景，很少是針對(duì)算法本身的研究，未來(lái)的研究應(yīng)該從算法參數(shù)改進(jìn)、算法簡(jiǎn)化等學(xué)術(shù)研究上加以創(chuàng)新，以提高理論深度與應(yīng)用價(jià)值。