基于微细菌群体趋药性的函数优化算法.pdfVIP

第24卷 第 1期 青 岛大 学 学报 (工 程 技 术 版 ) Vo1．24No．1 2009年 3月 JOURNALOFQINGDAOUNIVERSITY (ET) M ar．200 9 文章编号 ：1006—9798(2009)01—0019—06 基于微细菌群体趋药性的函数优化算法 吕慧显 (青岛大学 自动化工程学院，山东青岛266071) 摘要 ：在细菌群体趋药性 (bacterialcolonychemotaxis，BCC)优化算法的基础上，借鉴微 遗传算法的思想 ，提出了一种新的优化算法——微细菌群体趋药性 (microbacterialcolo— nychemotaxis，M —BCC)算法 。M —BCC算法利用两个菌群 (寻优菌群和库存菌群)来寻 优 ，寻优菌群使用 BCC算法来寻找最优解 ，库存菌群保证 了寻优菌群的多样性 。对 Ras— trigin函数和 Schaffer’Sf6函数优化仿真，结果表明，微细菌群体趋药性算法的成功率分 别达到了95 和 52 ，与遗传算法和 BCC算法相比，优化效果较好 。 关键词：函数优化 ；群体智能；细菌群体趋药性 ；微菌群 中图分类号：TP18 文献标识码 ：A 细菌群体趋药性 (bacterialcolonychemotaxis，BCC)算法_l】是在细菌趋药性 (bacterialchemotaxis，BC) 算法 的基础上发展而来的。BC算法是一种从生物行为 中获得灵感 的优化算法 ，是用数学的方法描述细 菌在化学引诱剂条件下的运动行为来进行函数优化 。但 BC算法不是一种群体智能的方法 ，只是模仿一个 细菌的移动来处理函数优化 ，因而 BC算法的学习速度和鲁棒性都有待于进一步提高。李威武等 在 BC算 法的基础上提出了BCC算法 ，这种算法将群体智能的思想引入到 BC算法，使用多条细菌组成 的菌群进行 函数寻优 。在菌群中，每条细菌不但利用 BC算法进行移动寻优 ，同时使用其它细菌的移动信息来指导 自己 的移动方向。BCC算法虽然提高了BC算法 的优化能力 ，但必须使用大量细菌才能使算法 的优化能力有所 提高 ，如果菌群中的细菌过少 ，将会导致菌群中细菌的多样性减少 ；如果细菌数 目过大 ，将会导致运算时间的 增加 ，并且单纯的增加菌群规模对于细菌的多样性保证也是有限的。如何能够既保证算法的优化性能，又尽 量不影响算法的寻优时间呢?这也是优化算法经常所面临的问题。LaiqKhan等 提出使用微遗传算法 ( 一 GA)寻优 ，取得较好的效果 。作者借鉴 了微遗传算法 的思想 ，将之应用于菌群算法 ，提出了一种微细菌群 体趋药性 (M—BCC)算法 。在 M—BCC算法中有两个菌群 ，一个菌群是寻优菌群 ，另一个菌群是库存菌群 。 当寻优菌群满足一定精度后 ，就将位置较差的细菌换入库存菌群 ，再从库存菌群中任选一条细菌放入寻优菌 群，继续进行寻优过程 。试验表明，M —BCC算法在寻优能力方面要优于了BCC算法。 1 微细菌群体趋药性 (M—BCC)算法 1．1 BCC算法简介 BC算法 旨在利用细菌在化学引诱剂环境中的运动行为来进行函数优化 。但 BC算法不是一种基于群 体智能的优化方法 ，它只依赖于单个细菌的运动行为 ，单个细菌的移动方式的确定 比较简单 。作为一种基于 单个 “种子”的随机优化算法，BC算法有一些内在的缺陷。首先 ，单个细菌必须在解空间中探索许多不同的 点来模拟和修正它形成的近似梯度信息，因此在许多问题上 ，BC算法的寻优速度慢于群体优化的算法 ；其 次，当函数的坡度变化很小时，细菌无法得到合适的梯度信息，从而进入随机运动。随着精度的增加 ，BC算 法很难保证将其搜索范围限定在最优值范围附近 。 收稿 日期 ：2008—09一l6 基金项 目：青 岛大学青年科研基金项 目(2007005) 作者简介 ：吕慧显 (1974一)，女，河北辛集人，讲师，硕士。主要研究方 向为人工智能、故障诊断及 图像处理 。 20 青 岛大学学 报 (工程技术 版)