微生物动力学优化算法

为了解决一类函数优化问题,利用带时滞影响的混杂食物链微生物培养动力学理论提出一种微生物动力学优化(MDO)算法。在该算法中,假设有多个微生物种群在一个培养系统中培养,微生物种群的生长不但受注入到培养系统中的培养液流量、营养物质和有害物质的浓度影响,而且受种群之间相互作用的影响;定期注入的培养液会突然增加营养物质和有毒物质的浓度,从而会突然加大对种群的影响。利用上述特点构造出了吸收算子、攫取算子、混杂算子和毒素算子;利用这些算子和种群的生长变化,能够快速求解优化问题的全局最优解。仿真实验结果表明,MDO算法对求解维数较高的优化问题具有一定的优势。

污染环境中微生物治理种群动力学优化算法

为了解决一些函数优化问题,采用污染环境中具微生物治理的种群动力学模型,提出了PDO-MCCE算法。在该算法中,个体被自动划分成正常种群和突变种群2类,每类个体数依据种群动力学模型自动进行计算和调整,解决了人为确定个体数的难题。该算法拥有7个算子,其中竞争和突变算子分别实现种群内和种群间个体之间的信息交换;影响和毒害算子分别实现强壮个体的信息扩散和环境信息向个体传递;新生和死亡算子分别增加和减少个体数;生长算子可确保该算法具有全局收敛性;突变种群个体数的周期性增加,可大幅增加搜索跳出局部最优解陷阱的概率;在进行迭代计算时,算法每次只处理每个个体特征数的3/500~1/10,从而使时间复杂度大幅降低。测试案例表明,PDO-MCCE算法性能较好,适于求解一些维数较高的优化问题。