基于改进的细菌觅食优化算法研究与应用

汪 珺，方振国，严 寒，钱成铎①

（淮北师范大学 物理与电子信息学院，安徽 淮北 235000）

0 引言

近年来，群体智能算法被广泛应用于图像处理、有源滤波器合成和深度学习等优化问题上.细菌觅食优化算法（Bacterial Foraging Optimization Algorithm，BFOA）是Passino［1］于2002年提出的一种群体智能优化算法，其生物学基础是模拟人类肠道中的大肠杆菌觅食过程.细菌觅食优化算法（BFOA）是一种全局优化算法［2］.BFOA算法模拟细菌群体的过程包括趋向性、复制、迁徙3个步骤［3-4］.国内外研究者提出很多优化BFOA算法的方法，Mishra等［5］在引入Takagi-Sugeno型模糊推理机制来选择趋向操作中最优步长，提出模糊细菌觅食算法（Fuzzy Bacterial Foraging，FBF）.然而，FBF中的模糊规则和隶属函数参数根据不同的优化对象要进行多次实验对参数进行调整，通用性不高；所以Datta和Mishra等［6］对步长C添加增量因子，对步长进行动态控制以达到自适应调节步长目的.该算法通用性得到提高，但是算法对单个细菌进行趋化操作，在某种程度上有一定的局限性；刘小龙［7］提出将高斯分布引入细菌觅食的复制操作中，根据适应度函数得到适应度值较好的一半进行分布再生，但该算法的收敛性对复杂的高维函数效果不明显；杨萍［8］针对复杂多峰不规则函数优化提出将细菌觅食趋化算子引入粒子群算法（Particle swarm optimization，PSO）中，利用细菌之间有吸引度可以快速找到邻域的最优值来优化PSO算法，该算法比单一的PSO和BFOA算法收敛精度都有显著的提高，但在收敛速度方面未得到明显提高；本文提出改进的混合细菌觅食优化算……