细菌觅食优化算法的研究与应用.pdf

162010，46（20）ComputerEngineeringandApplications计算机工程与应用

细菌觅食优化算法的研究与应用

周雅兰
ZHOUYa-lan

广东商学院信息学院，广州510320
CollegeofInformation，GuangdongUniversityofBusinessStudies，Guangzhou510320，China
E-mail：[e-mail]

ZHOUYa-lan.Researchandapplicationonbacteriaforagingoptimizationalgorithm.ComputerEngineeringandApplica-
tions，2010，46（20）：16-21.

Abstract：BacteriaForagingOptimizationAlgorithm（BFOA）isanewcomerofevolutionaryalgorithm.Firstly，thebasictheo-
ryandflowchartofthethreemainoperationsinBFOAareintroduced.Thethreemainoperationsarechemotaxis，reproduc-
tion，andeliminationanddispersal.AndthedesignstepsofBFOAforoptimizationproblemareanalyzed.Thentheimprove-
mentandapplicationofBFOAarediscussed.Finally，thefutureresearchdirectionsofBFOAareoutlined.
Keywords：bacteriaforagingoptimization；chemotaxis；reproduction；eliminationanddispersal

摘要：细菌觅食优化算法是进化算法家族的新成员。首先对细菌觅食优化算法的三大主要操作：趋向性、复制和迁徙操作的基
本原理及流程进行介绍，然后对算法求解优化问题的设计步骤进行分析，接着探讨算法的改进和应用，最后指出细菌觅食优化算
法的未来研究方向。
关键词：细菌觅食优化；趋向性操作；复制操作；迁徙操作
DOI：10.3778/j.issn.1002-8331.2010.20.005文章编号：1002-8331（2010）20-0016-06文献标识码：Ａ中图分类号：TP301.6

1引言局部搜索和全局搜索特性，有些研究者将BFOA与其他算法
实际生活需求促进了最优化方法的发展。近半个多世纪混合，并应用在生产实践中来证明它的有效性，性能甚至超过
以来，由于传统优化方法的不足，一些具有全局优化性能且通许多改进的GA和PSO算法。此外，BFOA的数学建模、自适
用性强的进化算法，因其高效的优化性能、无需问题精确描述应性和算法本身的改进也正成为该算法研究的主要方向。
信息等优点，受到各领域广泛的关注和应用。其中产生最早
也最具代表性的进化算法是20世纪70年代源于达尔文自然2细菌觅食优化算法
选择学说和孟德尔遗传变异理论的遗传算法（GeneticAlgo-2.1BFOA的基本原理与流程
rithm，GA）。而近年来，人们模拟自然界生物群体行为产生出细菌觅食优化算法是新兴的进化算法，也是一种全局随
一系列群体智能优化算法，如：Dorigo等通过模拟蚂蚁的寻径机搜索算法。该算法主要通过趋向性操作、复制操作和迁徙
行为于1991年提出了蚁群优化算法（AntColonyOptimiza-操作这三种操作迭代计算来求解问题，下面介绍这三大操作
tion，ACO）；Eberhart和Kennedy通过模拟鸟群捕食行为于及其流程[1，4-5]。
1995年提出了粒子群优化算法（ParticleSwarmOptimization，（1）趋向性操作
PSO）。这些算法被广泛应用于工程领域并取得了显著的成大肠杆菌在觅食过程中有两种基本运动：游动和旋转。
果。随着群体智能优化算法的蓬勃发展，Passino于2002年提这两种运动依靠细菌表面遍布的鞭毛以100～200r/s的速度
出了模拟人类大肠杆菌觅食行为的细菌觅食优化算法（Bacte-同方向摆动来实现。当所有鞭毛逆时针转动时，大肠杆菌以
riaForagingOptimizationAlgorithm，BFOA）[1]，为仿生进化算10～20μm/s的平均速度向前游动，游动的平均时间大约为
法家族增添了新成员。Berg等人的研究成果为BFOA的出现（0.86±1.18）s；当所有鞭毛顺时针转动时，大肠杆菌在原地旋
奠定了基础，如文献[2-3]。转，并随机选择一个