● 摘要
摘 要
仿生智能算法是人类通过模拟自然界中生物群体行为现象而提出的一种随机搜索算法. 该算法不要求目标函数的光滑性，而且具有全局搜索和并行性等优点，所以比传统的优化算法更具有实用性. 目前已被广泛应用于函数优化，神经网络权值的训练，经济管理和工程技术等领域.
作为一种仿生智能算法，细菌觅食算法主要模拟了人类大肠杆菌的觅食行为. 该算法根据自然界中“优胜劣汰, 适者生存”的法则，对解空间进行随机搜索，不需要函数的梯度信息. 但该算法为一个三层嵌套循环：包括驱散循环，复制循环和趋化循环. 所以该算法存在着结构复杂，参数设置较多，收敛速度慢，不适宜解决大规模问题的弊端. 为克服这些缺点, 本文给出了两种改进的细菌觅食算法，主要工作如下：
第一，提出了一种具有自适应步长的模拟细菌觅食算法. 在趋化过程中对搜索步长进行了自适应调整；同时在驱散操作中利用高斯分布在最优个体附近生成新个体，有效降低了精英个体被淘汰的可能性，提高了算法的收敛速度. 最后，通过标准测试函数的数值实验验证了所提算法的有效性.
第二，为了加强算法在搜索时的目的性，提高收敛速度及精度，在具有自适应步长的模拟细菌觅食算法的基础上，提出了带有方向的模拟细菌觅食算法. 新方向通过近似梯度与随机方向加权产生. 最后通过几个典型测试函数的实验结果说明了该算法的有效性, 且其优化能力优于自适应的模拟细菌觅食算法.