細(xì)菌覓食優(yōu)化算法的改進(jìn)及應(yīng)用研究.pdf

1、在實(shí)際生產(chǎn)和生活中，優(yōu)化無處不在，力學(xué)中的優(yōu)化問題也比比皆是，尤其是在工程力學(xué)中，許多問題都伴隨著反問題。而反問題的求解，一般是利用建立泛函求極小值的方法，這就需要用到優(yōu)化算法。傳統(tǒng)的優(yōu)化方法總有著計算效率低和局部搜索的局限性。隨著人類生存空間的擴(kuò)大，實(shí)際工程中的力學(xué)問題越來越復(fù)雜，傳統(tǒng)的優(yōu)化算法已不再滿足求解精度和效率的要求，因此，對高效的智能優(yōu)化方法的需求日益迫切。近年來，遺傳算法、蟻群算法、粒子群算法等智能優(yōu)化方法正逐漸被應(yīng)用于力

2、學(xué)中包括反問題在內(nèi)的各類優(yōu)化問題。細(xì)菌覓食優(yōu)化算法(BFO)是近些年來發(fā)展起來的，基于大腸桿菌覓食行為模型的一種新型智能算法。它具有對初值和參數(shù)選擇不敏感、魯棒性強(qiáng)、簡單易于實(shí)現(xiàn)，以及并行處理和全局搜索等優(yōu)點(diǎn)。
　　 由于對BFO算法的研究尚處于起步階段，BFO的應(yīng)用還不夠深入且它在應(yīng)用過程中也存在精度不夠高、收斂速度不夠快的缺點(diǎn)，尤其是在多峰問題尋優(yōu)時難以找到全部最優(yōu)解。因此，分析、研究和改進(jìn)BFO算法以及拓展、深入其應(yīng)用，對

3、生產(chǎn)、生活中各個領(lǐng)域的優(yōu)化問題求解都具有十分重要的意義。為此，本文著重從BFO算法的改進(jìn)和應(yīng)用方面進(jìn)行了研究。主要研究工作如下：
　　 (1)針對BFO易早熟和收斂速度慢等缺陷，本文對標(biāo)準(zhǔn)BFO算法的操作進(jìn)行了三項(xiàng)改進(jìn)：在趨向操作中，通過賦予細(xì)菌靈敏度的概念來改變細(xì)菌的游動步長；在復(fù)制操作中，嵌入分布估計思想；在遷徙操作中，提出自適應(yīng)遷徙概率，進(jìn)而提出了一種較全面的細(xì)菌覓食優(yōu)化改進(jìn)算法--分布估計細(xì)菌覓食優(yōu)化算法(EDA-BFO

4、)，顯著提高了算法的運(yùn)行效率和求解質(zhì)量，為解決復(fù)雜尋優(yōu)問題提供了有效方法。通過函數(shù)優(yōu)化測試驗(yàn)證，表明該算法是可行和有效的，編碼后適用于解決高維復(fù)雜工程的相應(yīng)優(yōu)化問題。
　　 (2)針對BFO在多峰問題尋優(yōu)時難以找到全部最優(yōu)解及精度不高的問題，提出了一種基于小生境技術(shù)的細(xì)菌覓食算法(NBFO)。該算法避免了因聚集行為不當(dāng)而導(dǎo)致的細(xì)菌在非全局極值點(diǎn)處大量聚集的局限性，維護(hù)了群體的多樣性，并提高了算法的全局搜索能力。典型多峰值測試函數(shù)

5、的求解試驗(yàn)表明：小生境細(xì)菌覓食優(yōu)化算法有更強(qiáng)的全局搜索能力和更高的收斂速度，能夠高效地尋找到多個全局最優(yōu)值，是一種尋優(yōu)能力、效率和可靠性更高的優(yōu)化算法，其綜合性能比標(biāo)準(zhǔn)細(xì)菌覓食算法有顯著提高。
　　 (3)針對標(biāo)準(zhǔn)BFO算法的收斂速度不夠快的缺點(diǎn)，考慮到遺傳算法具有大范圍快速搜索能力，本文將遺傳算法和細(xì)菌覓食算法相結(jié)合，提出了遺傳-細(xì)菌覓食混合優(yōu)化算法(GA-BFO算法)。函數(shù)的優(yōu)化測試結(jié)果表明，對于復(fù)雜的多維函數(shù)優(yōu)化問題，GA

6、-BFO混合算法無論在時間效率上還是在求解精度上，均優(yōu)于兩個單一算法，獲得了優(yōu)化性能和時間性能的雙贏。
　　 (4)針對標(biāo)準(zhǔn)BFO算法的全局收斂能力不如PSO的情形，將PSO算法作為一個變異算子引入BFO算法的聚集操作中，提出一種混合的粒子群-細(xì)菌覓食優(yōu)化算法(PSO-BFO)，充分發(fā)揮BFO算法的局部搜索能力和PSO算法的全局搜索能力，令兩個單一算法相互取長補(bǔ)短、優(yōu)勢互補(bǔ)。函數(shù)的優(yōu)化測試結(jié)果表明，對于復(fù)雜的多維函數(shù)優(yōu)化問題，P

7、SO-BFO混合算法是有效的，且在全局收斂可靠性和收斂速度方面明顯地優(yōu)于BFO和PSO算法這兩個單一算法。
　　 (5)由于EDA-BFO算法具有較強(qiáng)的全局搜索能力，同時具有較高的精度、模型簡單、計算復(fù)雜度低、不易陷入局部最優(yōu)解等優(yōu)點(diǎn)，本文在BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練中嵌入EDA-BFO算法的復(fù)制和遷徙操作，提出了一種改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)模型(BFO-BP神經(jīng)網(wǎng)絡(luò)模型)，用它來優(yōu)化神經(jīng)網(wǎng)絡(luò)連接權(quán)值。為檢驗(yàn)所提出的改進(jìn)模型的優(yōu)越性，將BFO

8、-BP神經(jīng)網(wǎng)絡(luò)模型和BP神經(jīng)網(wǎng)絡(luò)模型同時應(yīng)用于力學(xué)經(jīng)典反問題--復(fù)合材料的損傷定位的數(shù)值仿真研究，并將兩種模型的研究結(jié)果進(jìn)行了對比。仿真結(jié)果表明：BFO-BP神經(jīng)網(wǎng)絡(luò)模型的損傷定位識別精度比BP神經(jīng)網(wǎng)絡(luò)模型的損傷定位識別精度高；在處理具有不確定信息的損傷定位領(lǐng)域中，BFO-BP神經(jīng)網(wǎng)絡(luò)模型具有良好的發(fā)展前景。
　　 (6)混沌系統(tǒng)參數(shù)辨識在對參數(shù)未知、參數(shù)不匹配等混沌系統(tǒng)的控制和同步中占有相當(dāng)重要的地位，但目前的研究還比較薄弱，