基于微分进化和混沌迁移的细菌群体趋药性算法

细菌群体趋药性(BCC)算法是一种新的群体智能优化算法.本文研究了BCC算法中群体控制参数对算法性能的影响,并提出算法应用的参数控制策略.标准的BCC算法存在易于陷入局部极值的缺点,因此新算法中采用了以下改进措施,自适心调整感知范围、当细菌确定下一步位置时增加微分进化的待选个体和采用混沌迁移机制,改进后的算法增强了跳出局部最优解的能力.实验结果表明,新算法的全局搜索能力有了显著提高.     

细菌群体趋药性算法优化LS_SVM参数方法

针对支持向量机的参数选择问题,本文提出了一种采用细菌群体趋药性智能优化算法优化最小二乘支持向量机参数的方法。细菌群体趋药性智能优化算法引入了群体信息交互策略,单个细菌不仅利用自身信息随机移动,而且细菌群体之间交换种群的信息,有效地改善了个体移动时的随机性和盲目性,加强了细菌趋于最优的移动策略。该方法提高了支持向量机的参数选择效率,避免了人为设定参数的不足,大大缩短了优化时间。经过细菌群体趋药性智能优化算法优化得到的最小二乘支持向量机的参数对,用于测试样本的多分类实验和函数拟合实验,其分类结果和函数拟合效果验证了本文方法的有效性。     

基于细菌群体趋药性优化的k-means算法

细茵趋药性算法是一种新的仿生进化算法,针对细菌趋药性算法,介绍了其基本原理,讨论了一种改进的算法--细菌群体趋药性(BCC)算法.将细菌群体趋药性优化方法应用在k-means聚类分析中,以类内离散度和为目标函数,建立了BCC优化的k-means算法模型,利用BCC算法的全局搜索能力,很大程度上避免了k-means算法易陷入局部极小的缺陷,同时也降低了算法对初始值的敏感度,并给出了一些实验,结果令人满意.     

基于群体适应度方差的粒子群优化算法

由于粒子群算法在进化后期存在搜索速度较慢,容易陷入局部最优点以及搜索到解的时间较长且精度不高的缺点,所以对算法进行改进的研究就成为一个必要的课题.通过利用混沌的遍历性和随机性的特点,引入基于Tent映射的混沌理论机制,使算法在进化后期一旦陷入局部最优点就可以跳出局部最优点的位置,并且通过群体适应度方差的计算来判断当前群体的离散程度或聚集程度,进而判断是否需要以一定的概率选择微粒个体去进行混沌更新.几个测试函数的仿真实验结果也表明了该算法在搜索时间上、解的精度上都要远远优于标准的粒子群算法,是一种可行的优化工具,有一定的应用前景.     

基于细菌趋药优化的传感器节点定位算法

主要研究分析分布式加权多维标度定位算法,针对该定位算法的不足提出基于细菌趋药优化的传感器节点定位算法。所提出的算法主要做两方面的改进：一方面,对其加权机制做修正;另一方面引入收敛速度较快且适用于多峰函数优化的细菌趋药优化算法对其局部目标代价函数进行优化。仿真实验结果表明：所提出的dw MDS（BC）定位算法在节点分布稀疏或网络拓扑不规则的环境中仍有较好的定位精度,而且算法的收敛速度也有提高。     

细菌趋药性算法理论及应用研究进展

细菌趋药性算法是优化领域一种新的仿生进化算法。该算法利用细菌在引诱剂环境下的应激反应动作来进行函数优化。针对细菌趋药性算法,首先介绍了其基本原理;然后讨论了近年来对该方法的若干改进;最后详述了细菌趋药性算法未来的研究方向和主要研究内容,该方法是具有实际研究价值的函数优化算法。     

趋磁性细菌多目标优化算法

提出趋磁性细菌多目标优化算法(MTBMO).该算法以趋磁性细菌优化算法(MBOA)中磁小体(MTSs)的生成机制为基础,设计适用于多目标优化的新型MTSs磁矩调节机制,确保群体的收敛性;同时采用基于混沌变异的替换方法取代MBOA中的磁小体替换机制来增强群体的多样性.通过标准函数测试和与现有多目标优化算法的比较表明,MTBMO对于求解多目标优化问题(MOPs)是可行且有效的.     

基于均匀设计的改进细菌群体趋药性算法

针对细菌群体趋药性算法（BCC）求解效率较低的问题,提出一种改进的BCC算法。利用均匀设计方法生成初始菌群,使初始菌群在解空间中足够均匀,以充分利用解空间的信息。在细菌间的协作模式框架下,对单点细菌向群体中心点移动方式进行改进,即单个细菌向其群体间最优点的邻域内移动时,为找到潜在位置中的较好解,对潜在位置之间的距离进行等分,以这些等分点中的最优点作为该细菌下一步将要移动到的位置。通过函数优化进行仿真实验,表明改进后的算法在进化代数和寻优成功率上都有较大的提高,具有较高的运行性能。     

基于多Agent系统的细菌群体趋药性算法研究

针对细菌群体趋药性(Bacterial Colony Chemotaxis,BCC)算法由于过度依赖群体交互而容易陷入局部最优解的缺陷,结合多Agent系统(Multi-Agent System,MAS)的主要特征构造一种全新算法——基于多Agent的细菌群体趋药性(MABCC)算法。该算法通过每个细菌Agent相互之间的竞争与协作,弱化其对群体信息的依赖,使其能够更精确地收敛到全局最优解。对不同函数优化试例的仿真表明该算法比BCC算法有更好的全局寻优性能。     

不同映射的混沌免疫进化算法性能分析

针对目前混沌免疫进化算法采用的混沌映射类型单一,并存在对混沌映射影响算法性能大小和机制缺乏深入研究等问题,分析和探讨基于不同混沌映射混沌免疫进化算法的性能。对几个典型测试函数的比较结果表明,Logistic-CIEA和Cubic-CIEA的性能易出现大波动,Kent-CIEA则具有相对稳定的收敛速度,表现出较强的鲁棒性。由此证明,混沌映射作为产生局部搜索轨迹的迭代函数,其混沌特性对算法性能影响较大。     

基于Tent映射的混沌优化算法

针对目前混沌优化算法寻优速度慢的问题,论证了Tent映射的优越性,并结合模式搜索法,构造了一种搜索速度较快的混合优化算法．该算法能够搜索全局最优解,并具有较快的搜索速度．通过算例验证了该方法的可行性和Tent映射的应用前景。     

一种新型Skew Tent映射的混沌混合优化算法

针对已有的混沌优化算法几乎都是利用Logistic映射作为混沌序列发生器,而该混沌序列的概率密度函数呈两头多、中间少的切比雪夫型的分布性质,不利于搜索的效率和能力,为此,首先构造一种新型混沌映射序列发生器—Skew Tent映射并结合迭代优化特点加以改进,然后分析了它的混沌特性．其次,将改进的混沌映射与Alopex启发算法相结合,充分发挥Alopex算法的快速搜索能力和混沌优化全局寻优的特性,提出一种混沌混合优化算法,提高了算法的收敛速度和有效搜索全局最优解．最后,仿真算例验证了该算法的有效性和Skew Tent混沌映射的应用前景．     

一种混合的离散细菌菌落优化算法

为了利用细菌算法解决组合优化问题, 提出了一种混合的离散细菌菌落优化算法。根据现有细菌优化算法, 设计一种新的个体编码方式及进化模式, 通过设计种群的自适应调整因子增强个体活力, 并融合禁忌搜索算法, 克服算法易于陷入过早收敛的不足, 并与其他算法在Taillard标准调度测试问题集上比较实验, 验证了算法的有效性。仿真结果表明, 该算法可以搜索到问题的最优组合, 能够有效避免算法陷入局部最优, 取得了满意的结果。     

基于细菌趋化的果蝇优化算法

受细菌趋化行为的启发,将细菌趋化行为中的吸引与排斥转换操作引入到果蝇优化算法中,提出基于细菌趋化的果蝇优化算法。该算法通过判断群体适应度方差是否为零来决定执行排斥操作（逃离最差个体）还是吸引操作（向最优个体靠近）,解决果蝇优化算法中只向最优个体靠近,而导致种群多样性丢失引起的早熟收敛问题。对几种经典测试函数的仿真结果表明,新算法具有更好的全局搜索能力,在收敛速度、收敛可靠性及收敛精度上比果蝇优化算法有较大的提高。     

一种基于混沌迁移的伪并行遗传算法及其应用

为了解决遗传算法寻优过程中的早熟收敛问题 ,本文提出了一种基于混沌迁移策略的伪并行遗传算法 ,该算法针对实时性要求不高的优化问题采用串行的算法结构实现分解型并行遗传算法的“独立进化、信息交换”思想 .在并行进化的个体异步迁移过程中 ,引入了混沌迁移序列引导个体迁移过程 ,利用其遍历性和随机性 ,保证了子种群之间能够进行充分高效的信息交换 .仿真研究和在库存优化方面的应用研究表明 ,这种算法具有很强的全局搜索能力 ,寻优效率高 ,有效克服了标准遗传算法的早熟收敛问题 .     

基于细菌觅食趋化算子的PSO算法*

PSO算法是模拟鸟群觅食的一种解决优化问题的仿生算法,为了避免其在优化过程中过快陷入局部极值的缺陷,提出一种新的基于细菌觅食趋化算子PSO算法。结合细菌觅食算法的局部搜索优势,将其趋化思想引入到PSO算法中。通过典型函数优化测试表明,该算法可以有效弥补PSO算法精度不高、容易陷入局部最优的缺陷。新算法是一种全局优化算法,适用于解决复杂特别是多峰不规则的函数优化。     

细菌趋药性算法用于软硬件划分

引进细菌趋药性算法（BCA）,用于嵌入式系统和片上系统的软硬件双路划分。BCA是一种新型的对细菌觅食行为进行模拟的优化算法。对不同节点的控制数据流图进行仿真,表明在同等条件下,BCA收敛时间低于模拟退火算法、禁忌搜索与蚁群算法,节点规模越大,优势越明显。当节点规模高达100时,BCA消耗时间仅有常用优化算法的40%～60%。     

细菌菌落优化算法

根据细菌菌落生长演化的基本规律,提出一种新的细菌菌落优化算法.首先,依据细菌生长繁殖规律,制定符合算法需要的个体进化机制.其次根据细菌在培养液中的觅食行为,建立算法中个体泳动、翻滚、停留等运动方式.最后,借鉴菌落中细菌信息交互方式,建立个体信息共享机制.另外,该算法提供了一种新的结束方式,即在没有任何迭代次数或精度条件的前提下,算法会随着菌落的消失而自然结束,并且可以保持一定的精度.通过与两类PSO算法比较的仿真实验验证了细菌菌落优化算法的效果,通过仿真实验验证了细菌菌落优化算法自然结束过程.