細菌覓食優(yōu)化算法的改進及應用研究.pdf

1、在實際生產(chǎn)和生活中，優(yōu)化無處不在，力學中的優(yōu)化問題也比比皆是，尤其是在工程力學中，許多問題都伴隨著反問題。而反問題的求解，一般是利用建立泛函求極小值的方法，這就需要用到優(yōu)化算法。傳統(tǒng)的優(yōu)化方法總有著計算效率低和局部搜索的局限性。隨著人類生存空間的擴大，實際工程中的力學問題越來越復雜，傳統(tǒng)的優(yōu)化算法已不再滿足求解精度和效率的要求，因此，對高效的智能優(yōu)化方法的需求日益迫切。近年來，遺傳算法、蟻群算法、粒子群算法等智能優(yōu)化方法正逐漸被應用于力

2、學中包括反問題在內(nèi)的各類優(yōu)化問題。細菌覓食優(yōu)化算法(BFO)是近些年來發(fā)展起來的，基于大腸桿菌覓食行為模型的一種新型智能算法。它具有對初值和參數(shù)選擇不敏感、魯棒性強、簡單易于實現(xiàn)，以及并行處理和全局搜索等優(yōu)點。
　　 由于對BFO算法的研究尚處于起步階段，BFO的應用還不夠深入且它在應用過程中也存在精度不夠高、收斂速度不夠快的缺點，尤其是在多峰問題尋優(yōu)時難以找到全部最優(yōu)解。因此，分析、研究和改進BFO算法以及拓展、深入其應用，對

3、生產(chǎn)、生活中各個領域的優(yōu)化問題求解都具有十分重要的意義。為此，本文著重從BFO算法的改進和應用方面進行了研究。主要研究工作如下：
　　 (1)針對BFO易早熟和收斂速度慢等缺陷，本文對標準BFO算法的操作進行了三項改進：在趨向操作中，通過賦予細菌靈敏度的概念來改變細菌的游動步長；在復制操作中，嵌入分布估計思想；在遷徙操作中，提出自適應遷徙概率，進而提出了一種較全面的細菌覓食優(yōu)化改進算法--分布估計細菌覓食優(yōu)化算法(EDA-BFO

4、)，顯著提高了算法的運行效率和求解質(zhì)量，為解決復雜尋優(yōu)問題提供了有效方法。通過函數(shù)優(yōu)化測試驗證，表明該算法是可行和有效的，編碼后適用于解決高維復雜工程的相應優(yōu)化問題。
　　 (2)針對BFO在多峰問題尋優(yōu)時難以找到全部最優(yōu)解及精度不高的問題，提出了一種基于小生境技術的細菌覓食算法(NBFO)。該算法避免了因聚集行為不當而導致的細菌在非全局極值點處大量聚集的局限性，維護了群體的多樣性，并提高了算法的全局搜索能力。典型多峰值測試函數(shù)

5、的求解試驗表明：小生境細菌覓食優(yōu)化算法有更強的全局搜索能力和更高的收斂速度，能夠高效地尋找到多個全局最優(yōu)值，是一種尋優(yōu)能力、效率和可靠性更高的優(yōu)化算法，其綜合性能比標準細菌覓食算法有顯著提高。
　　 (3)針對標準BFO算法的收斂速度不夠快的缺點，考慮到遺傳算法具有大范圍快速搜索能力，本文將遺傳算法和細菌覓食算法相結(jié)合，提出了遺傳-細菌覓食混合優(yōu)化算法(GA-BFO算法)。函數(shù)的優(yōu)化測試結(jié)果表明，對于復雜的多維函數(shù)優(yōu)化問題，GA

6、-BFO混合算法無論在時間效率上還是在求解精度上，均優(yōu)于兩個單一算法，獲得了優(yōu)化性能和時間性能的雙贏。
　　 (4)針對標準BFO算法的全局收斂能力不如PSO的情形，將PSO算法作為一個變異算子引入BFO算法的聚集操作中，提出一種混合的粒子群-細菌覓食優(yōu)化算法(PSO-BFO)，充分發(fā)揮BFO算法的局部搜索能力和PSO算法的全局搜索能力，令兩個單一算法相互取長補短、優(yōu)勢互補。函數(shù)的優(yōu)化測試結(jié)果表明，對于復雜的多維函數(shù)優(yōu)化問題，P

7、SO-BFO混合算法是有效的，且在全局收斂可靠性和收斂速度方面明顯地優(yōu)于BFO和PSO算法這兩個單一算法。
　　 (5)由于EDA-BFO算法具有較強的全局搜索能力，同時具有較高的精度、模型簡單、計算復雜度低、不易陷入局部最優(yōu)解等優(yōu)點，本文在BP神經(jīng)網(wǎng)絡的訓練中嵌入EDA-BFO算法的復制和遷徙操作，提出了一種改進的BP神經(jīng)網(wǎng)絡模型(BFO-BP神經(jīng)網(wǎng)絡模型)，用它來優(yōu)化神經(jīng)網(wǎng)絡連接權值。為檢驗所提出的改進模型的優(yōu)越性，將BFO

8、-BP神經(jīng)網(wǎng)絡模型和BP神經(jīng)網(wǎng)絡模型同時應用于力學經(jīng)典反問題--復合材料的損傷定位的數(shù)值仿真研究，并將兩種模型的研究結(jié)果進行了對比。仿真結(jié)果表明：BFO-BP神經(jīng)網(wǎng)絡模型的損傷定位識別精度比BP神經(jīng)網(wǎng)絡模型的損傷定位識別精度高；在處理具有不確定信息的損傷定位領域中，BFO-BP神經(jīng)網(wǎng)絡模型具有良好的發(fā)展前景。
　　 (6)混沌系統(tǒng)參數(shù)辨識在對參數(shù)未知、參數(shù)不匹配等混沌系統(tǒng)的控制和同步中占有相當重要的地位，但目前的研究還比較薄弱，