基于细菌迁徙的自适应果蝇优化算法

计算机工程与科学 ›› 2014, Vol. 36 ›› Issue (04): 690-696.

基于细菌迁徙的自适应果蝇优化算法

刘成忠,韩俊英

（甘肃农业大学信息科学技术学院，甘肃兰州 730070）

收稿日期:2013-01-21 修回日期:2013-04-03 出版日期:2014-04-25 发布日期:2014-04-25
基金资助:
甘肃省自然科学基金资助项目(1208RJZA133)；甘肃省科技支撑计划资助项目(1011NKCA058)；甘肃省教育厅科研基金资助项目(120204)；甘肃农业大学青年研究生指导教师扶持基金资助项目（GAVQNDS201309）

Adaptive fruit fly optimization algorithm#br# based on bacterial migration

LIU Chengzhong,HAN Junying

(College of Information Science and Technology,Gansu Agricultural University,Lanzhou 730070,China)

Received:2013-01-21 Revised:2013-04-03 Online:2014-04-25 Published:2014-04-25

摘要/Abstract

摘要：

针对果蝇优化算法的早熟收敛问题，提出了一种新的基于细菌迁徙的自适应果蝇优化算法。该算法在运行过程中根据进化停滞步数的大小自适应地引入细菌迁徙操作，提高算法跳出局部极值的能力；并且对每个个体根据适应值大小赋予不同的自适应迁徙概率，避免了迁徙可能带来的解退化的问题。对几种经典函数的测试结果表明，新算法具有更好的全局搜索能力，在收敛速度、收敛可靠性及收敛精度上比果蝇优化算法有较大的提高。

关键词: 迁徙算子, 果蝇优化, 自适应

Abstract:

Considering the premature convergence problem of Fruit Fly Optimization Algorithm (FOA), a new adaptive fruit fly optimization algorithm based on bacterial migration (AFOABM) is proposed. During the running time, according to the evolutionary stagnation step size, bacterial migration is adaptively introduced into FOA to improve its ability of jumping out of the local extreme; and according to the fitness values, each individual is assigned different adaptive migration probability in order to avoid the problem of possible solutions degradation resulting from migration. Experimental results show that the new algorithm has the advantages of better global searching ability, speeder convergence and more precise convergence.

Key words: bacterial foraging, bacterial migration, fruit fly optimization algorithm, adaptive

刘成忠, 韩俊英. 基于细菌迁徙的自适应果蝇优化算法[J]. 计算机工程与科学, 2014, 36(04): 690-696.

LIU Chengzhong, HAN Junying. Adaptive fruit fly optimization algorithm#br# based on bacterial migration [J]. Computer Engineering & Science, 2014, 36(04): 690-696.

[1]	胡小月, 王强, 吕方旭, 许超龙, 张锦. 面向56 Gb/s高速SerDes接收机DSP设计[J]. 计算机工程与科学, 2024, 46(07): 1202-1209.
[2]	范琪, 王善敏, 刘成广, 刘青山. 类别特征约束的多目标域表情识别方法[J]. 计算机工程与科学, 2024, 46(05): 836-845.
[3]	李江华, 王鹏晖, 李伟. 一种混合多策略改进的麻雀搜索算法[J]. 计算机工程与科学, 2024, 46(02): 303-315.
[4]	吴国栋, 刘旭旭, 毕海娇, 范维成, 涂立静. 基于元学习个性化推荐研究综述[J]. 计算机工程与科学, 2024, 46(02): 338-352.
[5]	李雨恒, 高尚, 孟祥宇. 基于精英引导的改进哈里斯鹰优化算法[J]. 计算机工程与科学, 2024, 46(02): 363-373.
[6]	沈克宇, 游志宇, 刘永鑫. 基于拟合优先搜索的多场景自适应改进A*算法[J]. 计算机工程与科学, 2024, 46(01): 142-149.
[7]	孙睿男, 初翔, 陈昱, 闫明宁. 基于混合启发式算法的快递末端选址路径优化研究[J]. 计算机工程与科学, 2024, 46(01): 159-169.
[8]	刘琰, 张姣, 姜胜腾, 潘筱茜, 赵海涛, 魏急波. 一种多策略融合的人工蜂鸟算法[J]. 计算机工程与科学, 2023, 45(12): 2216-2225.
[9]	王若宾, 耿芳东, 张永梅, 宋威, 王伟锋, 徐琳. 基于改进自适应DBSCAN的混合式MOOC视频观看模式挖掘[J]. 计算机工程与科学, 2023, 45(09): 1670-1678.
[10]	罗晓霞, 邓勇, 叶鸥. 复杂场景中多阶段自适应帽子检测算法[J]. 计算机工程与科学, 2023, 45(07): 1253-1262.
[11]	白杉, 冯秀芳. 基于注意力增强的中心差分自适应图卷积的骨架行为识别[J]. 计算机工程与科学, 2023, 45(07): 1263-1273.
[12]	柴岩, 朱玉, 任生. 多策略协同的改进鲸鱼优化算法[J]. 计算机工程与科学, 2023, 45(07): 1308-1319.
[13]	黄学雨, 罗华. 融合正余弦策略的算术优化算法[J]. 计算机工程与科学, 2023, 45(07): 1320-1330.
[14]	赖明澈, 吕方旭, 张庚, 许超龙. 面向112 Gbps PAM4串行接收机的低误码协同自适应均衡器[J]. 计算机工程与科学, 2023, 45(06): 951-960.
[15]	吴付坤, 曹轶, 董庆利, . 基于CAD几何模型的曲面流线可视分析方法[J]. 计算机工程与科学, 2023, 45(06): 961-969.