基于覓食行為的智能優(yōu)化算法研究及應(yīng)用.pdf

1、自然生態(tài)復(fù)雜系統(tǒng)具有多樣性、復(fù)雜性與智能性的特點，為現(xiàn)代工業(yè)領(lǐng)域科技創(chuàng)新提供了無限空間。覓食行為是自然界一切生物最基本的行為，是生物生存和繁殖所必需的。經(jīng)過億萬年的漫長演化，從低等單細(xì)胞生物細(xì)菌到高等動植物，不同類型的生命體進化出了形形色色的覓食行為。本研究從個體自適應(yīng)覓食、生物種群信息交流與生命周期搜索、生物群落多種群協(xié)作三個層面抽象基于生物覓食行為的智能計算模式，進而模擬自然界啟發(fā)源的內(nèi)在規(guī)律與演化機理，在此基礎(chǔ)上構(gòu)建生物覓食優(yōu)化算

2、法的統(tǒng)一框架模型，最后從概念、性質(zhì)、模型、方法等多角度提出幾種模擬自然界典型生物覓食行為的智能計算模式并進行實際工程應(yīng)用研究。本文結(jié)合當(dāng)前生物啟發(fā)計算研究中的熱點、難點和關(guān)鍵問題，從理論分析和工程應(yīng)用方面取得了諸多具有創(chuàng)新性和應(yīng)用價值的研究成果，具體如下:
　　(1)基于植物形態(tài)素分布、傳輸及自適應(yīng)生長控制機制，基于L-系統(tǒng)理論與方法，模擬真實植物根系的生長行為模式，對植物根系自適應(yīng)生長與覓食行為進行仿真分析，并進一步抽象其自組織

3、、自適應(yīng)最優(yōu)覓食機制，構(gòu)建了植物自適應(yīng)生長優(yōu)化模型與算法(RSGA)。以Sphere和Griewank函數(shù)為土壤環(huán)境分析了根系算法的向水性和向重力性等特點。并在復(fù)雜優(yōu)化問題CEC2005函數(shù)測試集上進行測試與仿真，結(jié)果證實該新型生物啟發(fā)計算模型RSGA具有良好的優(yōu)化精度和收斂速度，尤其在高緯度測試函數(shù)上效果更為突出，具有高效求解實際工程應(yīng)用中連續(xù)、動態(tài)優(yōu)化問題能力，并為復(fù)雜植物生物系統(tǒng)建模方法研究提供了新思路。
　　(2)深入研究

4、自然界菌群個體自適應(yīng)覓食、群體信息交流（群體感應(yīng)）機制，系統(tǒng)地開展典型細(xì)菌群體行為的建模仿真研究;在信息交流模式與生命周期搜索策略研究基礎(chǔ)上，模擬細(xì)菌克隆、分裂、死亡等操作，并提出基于生命周期的新型菌群覓食優(yōu)化算法(LBCFO)。通過跟蹤該算法對Sphere、Rosebrock、Rastrigrin、Griewank等函數(shù)的種群變化趨勢曲線，其規(guī)律性先變大后變小的特點與自然界中微生物生命周變化現(xiàn)象吻合?；跇?biāo)準(zhǔn)測試函數(shù)的仿真實驗驗證相對

5、于其他菌群算法及其衍生版本，擁有群體感應(yīng)機制的改進型菌群算法能夠顯著提高收斂速度與精度，而生命周期搜索機制能夠?qū)崿F(xiàn)算法的自適應(yīng)性與高效性。為了驗證所提出LBCFO算法求解復(fù)雜工程優(yōu)化問題性能，在智能制造領(lǐng)域3D打印系統(tǒng)的噴射狀態(tài)優(yōu)化問題進行測試，通過在ANSYS有限元軟件上建立打印噴頭的結(jié)構(gòu)化模型，利用啟發(fā)式算法對噴頭的輸入電壓波形參數(shù)進行合理優(yōu)化。仿真結(jié)果證實，相對于BFO、BSO、ABFO算法，LBCFO算法在優(yōu)化波形參數(shù)獲取期望液

6、滴體積和液滴速度方面精度更高，進一步驗證了所提算法與模型的可行性與有效性。
　　(3)將復(fù)雜生物系統(tǒng)的層次信息交流結(jié)構(gòu)與自然蜂群覓食機制相結(jié)合，模擬自然界中復(fù)雜自適應(yīng)生物系統(tǒng)的層級演化模式以及不同個體、群體和層次之間的自適應(yīng)覓食、信息交流以及協(xié)同進化規(guī)則，提出實現(xiàn)個體自適應(yīng)、單一種群內(nèi)進化、多種群間協(xié)同的具有復(fù)雜系統(tǒng)層次結(jié)構(gòu)的多蜂巢蜂群優(yōu)化算法(MCBFA)。通過將多種典型拓?fù)浣Y(jié)構(gòu)引入到MCBFA算法之中，可實現(xiàn)對信息流動方向和信

7、息流動速度的控制，并測試高維度Rosenbrock，Ackley，Rastrigrin，Griewank函數(shù)，證明多種群協(xié)作覓食蜂群算法能夠有效的保持整個群體的多樣性。為了驗證所提出MCBFA算法求解復(fù)雜工程優(yōu)化問題性能，選擇多閾值圖像分割問題進行測試。通過測試常用的基本測試函數(shù)圖形集合，證明所提出的協(xié)同進化算法能夠有效克服傳統(tǒng)單層生物啟發(fā)式優(yōu)化模型的“早熟收斂”問題，獲取較高的適應(yīng)度值，進一步證實了MCBFA算法適于求解此類圖像分割問

8、題。
　　(4)將自然界生物的自適應(yīng)覓食現(xiàn)象與移動機器人動態(tài)路徑規(guī)劃相類比，設(shè)計了基于自然生物最優(yōu)覓食理論的新型生物啟發(fā)計算算法(DAFO)，該算法融合了自然生物的局部搜索策略和自適應(yīng)覓食策略。通過對無約束復(fù)雜動態(tài)多峰測試函數(shù)庫MPB的測試，證實所提出的DAFO算法具有較高的準(zhǔn)確性和穩(wěn)定性，具備動態(tài)優(yōu)化能力。并以Sphere函數(shù)作為機器人路徑優(yōu)的仿真測試環(huán)境，DAFO算法驅(qū)動的搜索主體可以順利避開障礙并且快速找到目標(biāo)地點，有效節(jié)約