基于細(xì)菌趨化的果蠅優(yōu)化算法

1、基于細(xì)菌趨化的果蠅優(yōu)化算法 0引言 果蠅優(yōu)化算法（fruit fly optimization algorithm， foa） 由潘文超在2011年6月提出，并刊登于國際sci期刊“知識庫系統(tǒng)（knowledgebased systems）”。foa是一類新的全局優(yōu)化進(jìn)化算法，該算法源于對果蠅覓食行為的模擬1-2，可廣泛應(yīng)用于科學(xué)和工程領(lǐng)域，也可混合其他的數(shù)據(jù)挖掘技術(shù)一起使用1-2，現(xiàn)已將其成功應(yīng)用于求解數(shù)學(xué)函數(shù)極值、微調(diào)zscore模型系數(shù)、廣義回歸神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化與支持向量機(jī)參數(shù)優(yōu)化等。由于foa提出較晚，目前國內(nèi)外的研究尚處于起步階段，研究成果還很少，理論也不成熟，因此迫切需要展開foa

2、的相關(guān)研究。 foa與其他群智能算法比較，不但算法簡單容易理解（如粒子群算法，蟻群算法的優(yōu)化方程是二階微分方程3，而foa的優(yōu)化方程是一階微分方程），程序代碼易于實現(xiàn)，運行時間較少；而且foa只需調(diào)整四個參數(shù)，其他的群智能算法至少要調(diào)整七八個參數(shù)，參數(shù)之間的相互影響和復(fù)雜關(guān)系很難研究清楚，但參數(shù)的取值不當(dāng)，會嚴(yán)重影響算法的性能，導(dǎo)致分析算法復(fù)雜度變得異常困難。但同時foa與其他全局優(yōu)化算法（如遺傳算法、粒子群算法等）一樣，極易陷入局部最優(yōu)，導(dǎo)致后期收斂速度變慢，收斂精度降低，尤其是對于高維多極值復(fù)雜優(yōu)化問題。 本文受細(xì)菌趨化行為的啟發(fā)，提出基于細(xì)菌趨化的果蠅優(yōu)化算法（foa based on

3、bacterial chemotaxis，bcfoa），將細(xì)菌趨化行為中的吸引與排斥轉(zhuǎn)換操作引入到foa中，通過判斷群體適應(yīng)度方差是否為零來決定執(zhí)行排斥操作（逃離最差個體）還是吸引操作（向最優(yōu)個體靠近），解決foa中只向最優(yōu)個體靠近，而導(dǎo)致種群多樣性丟失引起的早熟收斂問題。4個基準(zhǔn)測試函數(shù)的對比實驗結(jié)果說明所提出的基于細(xì)菌趨化的果蠅優(yōu)化算法優(yōu)于基本的果蠅優(yōu)化算法。 1細(xì)菌趨化 細(xì)菌對化學(xué)刺激的反映對其生存有著重要的意義，細(xì)菌趨化是細(xì)菌群體在覓食過程中的一種重要現(xiàn)象。細(xì)菌通過自身的感知器官決定趨向有利于自身生長的環(huán)境，向“引誘劑”靠近增加細(xì)菌個體的成活概率，而避開不利的生長環(huán)境，逃離“驅(qū)除劑”有利于細(xì)菌個體在其他地方發(fā)現(xiàn)更好的食物資源4。 以大腸桿菌為例，它在整個覓食過程中有兩個基本運動：旋轉(zhuǎn)（tumble）和游動（swim）。旋轉(zhuǎn)是找一個新的方向運動，而游動是指保持方向不變的運動。通常，細(xì)菌會在食物豐盛或環(huán)境的酸堿性適中的區(qū)域較多地游動，而在食物匱乏或環(huán)境的酸堿性偏高的區(qū)域則會較多地旋轉(zhuǎn)。大腸桿菌的移動完全取決于其表面上所有鞭毛同方向上的轉(zhuǎn)動。當(dāng)所有鞭毛都沿逆時針方向轉(zhuǎn)動時，大腸桿菌被推動向前快速游動；反之