MATLAB优化算法案例分析与应用第25章 基于细菌觅食算法的函数优化分析.ppt

第二十五章MATLAB优化算法案例分析与应用第25章基于细菌觅食算法的函数优化分析第二十五章MATLAB优化算法案例分析与应用实际生活需求促进了最优化方法的发展。近半个多世纪以来，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选择学说和孟德尔遗传变异理论的遗传算法（GeneticAlgorithm，GA）。而近年来，人们模拟自然界生物群体行为产生出一系列群体智能优化算法，如Dorigo等通过模拟蚂蚁的寻径行为于1991年提出了蚁群优化算法（AntColonyOptimization，ACO）；Eberhart和Kennedy通过模拟鸟群捕食行为于1995年提出了粒子群优化算法（ParticleSwarmOptimization，PSO）。这些算法被广泛应用于工程领域并取得了显著的成果。随着群体智能优化算法的蓬勃发展，Passino于2002年提出了模拟人类大肠杆菌觅食行为的细菌觅食优化算法（BacteriaForagingOptimizationAlgorithm，BFOA），为仿生进化算法家族增添了新成员。本章将着重向广大编程爱好者介绍最基本的细菌觅食算法，各编程科研人员可以基于本章算法加以改进并应用到实际案例中。第二十五章MATLAB优化算法案例分析与应用25.3标准细菌觅食优化算法图25-1大肠杆菌的移动第二十五章MATLAB优化算法案例分析与应用25.3.3趋向性操作（Chemotaxis）大肠杆菌在整个觅食过程中有两个基本运动：旋转（tumble）和游动（swim）。旋转是为找一个新的方向而转动，而游动是指保持方向不变的向前运动。BFO算法的趋向性操作就是对这两种基本动作的模拟。通常，细菌会在食物丰盛或环境的酸碱性适中的区域中较多地游动，而在食物缺乏或环境的酸碱性偏高的区域则会较多地旋转，即原地不动。25.3.4聚集性操作（Swarming）第二十五章MATLAB优化算法案例分析与应用25.3.5复制性操作（Reproduction）生物进化过程一直服从达尔文进化准则，即“适者生存、优胜劣汰”。BFO算法执行一段时间的觅食过程后，部分寻找食物源能力弱（适应度值高，本文主要以函数极小值作为描述对象）的细菌会被自然淘汰，而为了维持种群规模不变，剩余的寻找食物能力强（适应度值低）的细菌会进行繁殖。在BFO算法中模拟这种现象称为复制性操作。25.3.6迁徙性操作（EliminationandDispersal）实际环境中的细菌所生活的局部区域可能会发生逐渐变化（如食物消耗殆尽）或者发生突如其来的变化（如温度突然升高等）。这样可能会导致生活在这个局部区域的细菌种群被迁徙到新的区域中去或者集体被外力杀死。在BFO算法中模拟这种现象称为迁徙性操作。第二十五章MATLAB优化算法案例分析与应用25.4BFO算法流程第二十五章MATLAB优化算法案例分析与应用25.6细菌觅食优化算法函数优化分析与MATLAB实现第二十五章MATLAB优化算法案例分析与应用%-----初始化参数-----bounds=[-5.12,5.12;-5.12,5.12]; %函数变量范围p=2; %搜索范围的维度s=26; %细菌的个数Nc=50; %趋化的次数Ns=4; %趋化操作中单向运动的最大步数C(:,1)=0.001*ones(s,1); %翻转选定方向后，单个细菌前进的步长Nre=4; %复制操作步骤数Ned=2; %驱散(迁移)操作数Sr=s/2; %每代复制（分裂）数Ped=0.25; %细菌驱散(迁移)概率d_attract=0.05; %吸引剂的数量ommiga_attract=0.05; %吸引剂的释放速度h_repellant=0.05; %排斥剂的数量ommiga_repellant=0.05; %排斥剂的释放速度第二十五章MATLAB优化算法案例分析与应用细菌的复制操作，程序如下：%--------下