《基於微生物行為機制的粒子群最佳化算法研究》是依託華南理工大學，由李榮鈞擔任項目負責人的面上項目。
基本介紹
- 中文名：基於微生物行為機制的粒子群最佳化算法研究
- 項目類別：面上項目
- 項目負責人：李榮鈞
- 依託單位：華南理工大學
項目摘要,結題摘要,
項目摘要
粒子群最佳化算法(PSO)是群智慧型算法中較新的一個分支，因其簡單快速、通用性強而受到國際學術界的高度關注。迄今為止，PSO研究基本上還停留在實驗模擬階段，很少觸及仿真算法的生物學本質。鑒於以鳥類高等生物為啟發對象的PSO及其改進模型存在早熟、晚熟、甚至不熟的收斂性缺陷，本項目擬借鑑本世紀初最新提出的細菌覓食理論與最佳化算法(BFO)，從微生物行為特性及生物學結構的新視角，探索粒子群算法的改進途徑。研究內容包括：（1）生物最優覓食理論和非常規覓食策略；（2）微生物群體中個體與個體、個體與環境之間的信息傳遞和共享機制；（3）大腸桿菌(E.Coli)覓食行為的生物學原理；（4）E.Col生命周期行為的計算機仿真實驗；（5）微生物與高等生物的寄生、側生與共生關係；（6）基於主從式結構的多子群差分進化模型。該研究不僅具有理論上和方法上的科學價值，而且在管理決策和工程技術領域具有廣闊的套用前景。
結題摘要
粒子群最佳化算法（PSO）是群智慧型算法中較新的一個分支，因其簡單快速、通用性強而受到國際學術界的高度關注。迄今為止，PSO研究基本上還停留在實驗模擬階段，很少觸及仿真算法的生物學本質。鑒於以鳥類高等生物為啟發對象的PSO及其改進模型存在早熟、晚熟、甚至不熟的收斂性缺陷，本項目擬借鑑本世紀初最新提出的細菌覓食理論與最佳化算法（BFO），從微生物行為特性及生物學結構的新視角，探索粒子群最佳化算法的改進途徑。 本項目的研究內容包括：1. 生物最優覓食理論和非常規覓食策略；2. 微生物群體中個體與個體、個體與環境之間的信息傳遞和共享機制；3. 大腸桿菌（E.Coli）覓食行為的生物學原理；4. E.Coli生命周期行為的計算機仿真實驗；5. 微生物與高等生物的寄生、側生與共生關係；6. 基於主從式結構的多子群差分進化模型。 研究取得的主要成果為：1. 將微生物的兼性寄生行為嵌入粒子群算法中，構建了基於生物共生機制的粒子群算法（PSOPB）；2. 在細菌覓食的繁殖運算元中嵌入分布估計算法，提出了分散式細菌覓食最佳化方法（EDA-BFO）；3. 賦予細菌靈敏度，並將群內差分的思想引入趨化運算元，提出了均衡式細菌覓食最佳化算法（DEBFO）；4. 賦予細菌自由生長的成長機制，根據細菌能量和生存壽命進行自我繁殖和消亡，建立了基於菌落生態自由分布的覓食最佳化算法（ECBFO）；5. 探索了雙種群粒子的捕食行為規律，在克隆變異的基礎上提出了基於免疫機制的細菌覓食算法和基於互動學習的粒子群最佳化算法；6. 將細菌群體感應機制和細菌免疫逃避機制分別嵌入粒子群最佳化算法，提出了基於群體感應和基於免疫逃避機制的粒子群最佳化算法；7. 分別設計了各種算法相應的計算機應用程式，在多個標準測試函式的基礎上檢驗和證實了微生物行為模式對粒子群算法的改進效果。
