1。3。1  本文的结构安排 9

第二章 菌群优化算法 10

2。1  引言 11

2。2  理论依据 11

2。3  基本菌群算法 12

2。3。1 算法原理 12

2。3。1 算法流程 13

2。4  基本菌群优化算法的改进措施 17

2。5 本章总结 18

第三章 BFO算法分析 18

3。1  自适应变步长菌群优化算法 19

3。1。1  算法优化原理 19

3。1。2  算法流程 19

3。2  算法性能测试 21

3。3  实验结果分析 24

3。4 本章结论 25

结语 25

致谢 27

附录 27

参 考 文 献 31

第一章绪论

1。1 研究背景和意义

自然界有许许多多的物种，这些物种经过长久的时间后，有的消失，有的进化出合适本身的生活形态并把生活方式继承了下来。人类在从大自然和各种物种的长久的繁衍过程中获得启发，并研究出了一系列基于生物群行为的全局搜索算法。在2002年提出的细菌觅食算法是一种仿真模拟外界环境、菌群内的个体依赖生物本能、通过本能的巡游行为来应对环境的变化而以适应环境需要的算法。此算法因具有强大的搜索能力能够寻找到全局以及局部的最优解等优点，成为目前的智能算法应用的研究热点，有着无与伦比的发展潜力。

BFO是一种基于群体在空间内搜索食物的新型智能优化算法，具有很强的应用潜力，但此算法问世到目前研究进展的时间还很短，研究还是起步阶段，而该算法由于菌群个体趋化操作的不确定性，导致收敛速度慢，寻优效率低下缺点，是以如何将算法的重要参数优化以及改善，成为了算法优化的有效途径。

1。2 智能仿生算法 

   智能仿生算法来自于对自然界中的群体生物进化过程中的觅食行为。它将寻优和优化过程模拟成个体的进化和觅食过程， 用仿真空间中的点模拟自然界中的群体内的个体；将要优化的问题的目标函数适应度变为每个个体对环境的应变能力；从而，形成了一种以“生成+检验”特征的迭代搜索算法，是一种求解极值问题的自适应人工智能技术。 

当群体生物在外界觅食时一般遵循以下三条规律论文网

 （1）分隔规则：尽量避免与邻近同伴过于拥挤；

 （2）对准规则：尽量与周围同类个体的运动趋向相同；

 （3）内聚规则：尽量朝邻近同伴的中心的移动。

  以上的规则为群体的个体和群体的移动规律，智能算法通过仿真整个群体的觅食流程，把算法的循坏寻优过程模拟成一个利用个体和群体的最优值并用来寻找最优解的过程。个体行为的随机性避免了过早收敛从而陷入了局部最优，而群体行为则确定了寻最优的指向。

    智能仿生算法作为当今计算科学领域内的研究热点其大致有遗传算法、人工免疫算法、人工鱼群算法、细菌觅食算法、粒子群算法等等一类通过在仿真空间内模拟外界环境，并以此来让群体内的个体完全依赖自身的生物本能来决定个体行动以适应外界环境的变化。由此我们可以知道这一类智能群体算法基本都具有：不确定性、寻优概率化、不依赖与优化问题本身严格的数学性质等等智能行为。正是因为这些特点使得我们在用智能算法解决优化问题的时候能够通过仅仅设计相应的评价函数（适应度函数）和一些有效地参数来获得我们所需的解。