采用DBSCAN聚類的自適應步長細菌覓食算法.pdf

1、細菌覓食算法(bacterial foraging algorithm，BFA)作為一種新興的群智能優(yōu)化算法，由于它的穩(wěn)定性以及良好的全局搜索能力，一經(jīng)提出便得到了廣泛的應用。但是傳統(tǒng)的細菌覓食算法在處理高維函數(shù)時收斂速度較慢，并且單一的步長造成了收斂精度與收斂速度之間的矛盾。針對此問題提出了自適應細菌覓食算法(adaptivebacterial foraging algorithm，ABFA)，該算法開始階段細菌使用大步長快速收斂，而

2、隨著算法的進行細菌代價函數(shù)值減小，細菌步長依據(jù)線性步長自適應調整函數(shù)使步長伴隨代價函數(shù)值的縮小而逐漸縮小。ABFA一定程度上解決了經(jīng)典細菌覓食算法的步長選擇問題，緩解了收斂精度與收斂速度之間的矛盾，加快了算法的收斂速度。但是當細菌游動至營養(yǎng)濃度較高區(qū)域時，單一的趨化步長調整函數(shù)易使步長快速進入極小，造成算法早熟。本文提出了一種采用DBSCAN聚類的細菌自適應步長覓食算法(DBSCAN-based adaptive bacterial f

3、oraging algorithm，DBSCAN-ABFA)來解決步長快速進入極小算法早熟的問題，具體工作如下:
　　(1)細菌覓食算法不同于其他群智能優(yōu)化算法，細菌種群中所有細菌總是穩(wěn)定的向著營養(yǎng)濃度更高的區(qū)域游動，種群的覓食過程也是種群的匯聚過程。這啟發(fā)我們引入密度聚類的思想，在細菌種群的覓食過程中對細菌匯聚程度較高的富營養(yǎng)區(qū)域的細菌進行標記，通過改變被標記細菌的自適應步長調整函數(shù)，降低其趨化步長的縮小速率，使細菌步長不會進入

4、極小，保證了細菌的行動力，避免算法早熟。
　　(2)在細菌覓食算法的每一次迭代中引入DBSCAN算法對種群進行聚類操作，會大大提升算法的時間成本。因此本文對DBSCAN算法進行了一些改進，隨著細菌覓食算法的進行，細菌種群中大多數(shù)細菌會在最優(yōu)解附近聚為一類，此類中的細菌的代價函數(shù)值也最接近，可以依據(jù)當前細菌的代價函數(shù)值找出空間距離最接近的細菌進行距離運算，而不需要遍歷整個種群，改進算法減小了聚類算法中空間距離的運算次數(shù)，降低了標記核