一种基于Lévy飞行的细菌觅食优化算法

分析了细菌觅食优化(BFO)算法的基本原理,为了改善算法局部搜索能力突出而全局搜寻能力欠佳、算法结构复杂等缺点,在BFO算法的复制操作中引入Lévy飞行机制,并将算法的迁徙操作移入趋向操作内部,简化了算法结构,变原来的三层嵌套循环结构为两层循环,提出一种新的基于Lévy飞行的BFO算法——LBFO算法。该算法的复制操作中,保留当前种群中50%的优良细菌个体,然后对余下的个体全部用Lévy飞行进行位置更新,保证了算法全局收敛性的同时又加强了算法的随机搜索能力,有助于保持种群多样性和减少早熟收敛的现象发生。最后将LBFO算法对选取的六个基准测试函数和0-1背包问题进行实验仿真,实验结果表明新提出的LBFO算法不仅收敛速度快,而且优化精度高,运行速度也得到很大程度的提升。

改进BFO算法在函数优化问题上的应用

分析了细菌觅食优化(BFO)算法的原理以及当前的研究状况,主要根据心理学家爱德华·桑代克(E L Thordike)的经典效果律和经济学家巴莱多的巴莱多定律等对标准BFO算法存在的不足进行改进;将改进后的BFO算法在函数优化问题上进行仿真实验,实验结果表明改进后的BFO算法比标准BFO算法具有更快的收敛速度和更强的搜索性能。