细菌觅食优化算法的基本原理与应用.rar

  • 需要金币1000 个金币
  • 资料包括:完整论文
  • 转换比率:金钱 X 10=金币数量, 即1元=10金币
  • 论文格式:Word格式(*.doc)
  • 更新时间:2013-10-06
  • 论文字数:17417
  • 当前位置论文阅览室 > 毕业设计 > 信息与计算科学 >
  • 课题来源:(学大教育)提供原创文章

支付并下载

摘要:仿生学作为近期发展起来的生物学和技术学相结合的交叉学科,对于解决现实世界中众多问题效果显著。生活有着许多优化问题,而群智能算法在解决一些困难的问题时,显示出良好的性能。仿生优化算法能够很好地解决一些优化问题,细菌觅食优化算法作为一种新的仿生算法,也是一种群智能算法,同样有着较好的表现,尤其是和一些仿生优化算法结合时。细菌觅食优化算法受到各领域的广泛关注,有着诸多的应用。本文在描述了细菌觅食优化算法的同时,以函数优化为例,进行算法的仿真实现,最后,对算法进行了一些改进。

关键词:仿生学,群智能算法,细菌觅食优化算法,实例仿真,应用

 

Abstract:Bionics, as a developed rencently interdisciplinary subject of biology and technology, has remarkable results with the problems of the real world. There are a lot of optimization problems in life,and Swarm intelligent algorithm for solving some difficult problems, shows good performance.Some optimization problems are suitable to be solved by bionic optimization algorithms ,and Bacteria Foraging Optimization Algorithm(BFOA),as a kind of new bionic algorithm,also a kind of swarm intelligence algorithm,works well,especially coupled with some bionic optimization algorithms.BFOA has drawn wide attention from many fields.Of course,BFOA is applied by a lot of application.Here,after descriping BFOA ,we take a function  optimization problem as an example,and implement  BFOA  to solve the problem.And at last,some improvement with BFOA are presented.

keywords:bionics, Swarm intelligent algorithm, BFOA,example simulation,application

 

随着科学技术与经济发展,优化方法越来越受到人们的关注。目前,由于系统复杂度的增加和大量的非线性特征的存在,己有的一些传统的优化方法己经不能满足人们的需要,群智能优化算法正是在这种背景下产生的。所谓群智能指的是众多无智能的简单个体组成的群体,通过相互间的简单合作表现出智能行为的特性,它是从模拟自然界生物群体的智能行为发展而来,是人工智能领域的一个重要的分支。目前典型的群智能优化算法有:遗传算法、人工免疫、粒子群算法以及蚁群算法等,它们都是基于群体搜索的随机优化算法,它们最大的特点就是不需要建立问题本身精确的数学模型,对优化的目标函数没有连续、可微等要求,且算法的结果不依赖于初值的选取,能以较大的概率收敛至所求问题的解,适合于解决那些难以建立有效的形式化模型,用传统优化算法难以有效解决甚至无法解决的问题。因此,对群智能算法的研究,具有重要的理论意义与实用价值。