基于正交试验的细菌觅食算法的全局最优化.pdf

《基于正交试验的细菌觅食算法的全局最优化.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第23卷第12期电子设计工程2015年6月Vol.23No.12ElectronicDesignEngineeringJun.2015基于正交试验的细菌觅食算法的全局最优化吉佳红，高尚（江苏科技大学计算机科学与工程学院，江苏镇江212003）摘要：细菌觅食算法在求解全局最优化问题时的性能大部分依赖于参数的设置，各参数的值不同，则细菌觅食算法的收敛速度和得到的最优解也不同。本文主要介绍了用正交试验的方法设置细菌觅食算法的参数来求解全局最优化的问题，通过正交试验方法来检测多组参数对细菌觅食算法效率的影响，用经典的测试函数数

2、对这种组合方案进行检测对比，通过对实验结果数据分析可得出参数的最佳组合方案。最终实验结果表明用正交试验法设置的细菌觅食算法的参数组合方案可以提高算法的效率和收敛速度，使算法能够更快更好的得到测试函数的近似最优解。关键词：细菌觅食；正交试验；参数设计；优化；收敛中图分类号：TN18文献标识码：A文章编号：1674－6236（2015）12-0028-03AnbacterialforagingalgorithmbasedonorthogonalexperimentalmethodforglobaloptimizationJ

3、IJia鄄hong，GAOShang（SchoolofComputerScienceandEngineering，JiangsuUniversityofScienceandTechnology，Zhenjiang212003，China）Abstract:AnorthogonalexperimentalmethodisusedtosettheparametersofBacterialForagingAlgorithmforsolvingglobaloptimizationProblemnthispaper，.Thepe

4、rformanceofBacterialForagingAlgorithmforGlobalOptimizationmostlydependsontheparameterssettings，thedifferentvaluesofeachparameter，thedifferentconvergenceratesandthesolutionofBacterialForagingAlgorithm.Theorthogonalexperimentalmethodisusedtotesttheparametersonthep

5、erformanceofBacterialForagingAlgorithm.Thebestcombinationofparameterscanbedrawnbyanalyzingtheexperimentalresults.Thisbestcombinationofparametershasbeentestedbasedonthecasesfromtheglobaloptimationclassic.Theresultsdemonstratetheparameterssettingcanspeeduptheconve

6、rgencerateandtheoptimalsolutionortheapproximateoptimalsolutioncanbeachieved.Keywords:bacterialforaging；orthogonalexperimental；parameterdesign；optimization；convergence细菌觅食算法（BacterialForagingAlgorithm，BFA）是一种为使细菌觅食算法在求解全局最优问题中得到最高的效率，新型的基于全局随机搜索的仿生类算法[1]。该算法是由K.M

7、.因此提出采用正交实验的方法来确定细菌觅食算法在解全Passino于2002年基于大肠杆菌趋药性、和细菌繁殖以及消局最优问题的最优参数组合。除———驱散特性、以及群体感应机制，提出的一种用于全局1细菌觅食算法最优化的新型群体进化智能算法。细菌觅食算法模仿大肠杆菌在人体肠道内觅食行为，属于仿生类优化算法。实际问题1.1大肠杆菌的觅食行为中的优化要求不断提高、问题的复杂性也随之升高，往往需大肠杆菌是目前生物学上研究相对比较透彻的微生物要面对的优化命题都具有变量维数高、非线性强等难题[2]，从之一，也是人和许多动物肠道中最主

8、要且数量最多的一种而使得相关变量的储存、计算及命题的求解都变得相当的困细菌。细胞膜、细胞壁、细胞核和细胞质是大肠杆菌的主要难。在BFA模型中，优化问题的解对应搜索空间中细菌的状组成部分。它会向着中性的环境移动，并且有效的避开碱性和酸性的环境。为了能给下一次状态的调整提供决策信息[4]，态，即优化函数适应值。然而，以往大多的经典优化