李晓含, 王联国

(1.甘肃农业大学 机电工程学院,甘肃 兰州 730070；2.甘肃农业大学 信息科学技术学院,甘肃 兰州 730070)

0 引 言

细菌觅食优化(bacterial foraging optimization,BFO)算法具有鲁棒性强、易于实现、可并行处理与全局搜索的特点[1],在许多领域已广泛应用,但其存在着收敛速度慢,极易陷入局部最优缺点。文献[2]将粒子群优化(particle swarm optimization,PSO)与SA结合作为一个PSO-SA变异因子,改善细菌的交流能力；文献[3,4]将BFO与PSO结合,提高算法的寻优机制；文献[5]将遗传算法(genetic algorithm,GA)与BFO算法混合,增大其搜索能力,提出了电力系统无功优化的遗传—细菌觅食优化混合算法(GA-BFO),文献[6]在细菌觅食算法趋向操作中,引入碰壁策略优化初始位置,提高收敛速度；文献[7]提出了定义进化域的方法确定细菌前进方向,解决离散域问题存在的缺陷；文献[8]提出了自适应步长与概率,解决陷入局部最优问题,并应用于图像分割中；文献[9]将粒子群与细菌觅食算法结合,提高了搜索能力,应用于三电平逆变器中；文献[10]将改进细菌觅食算法应用于软测量建模中。

本文对细菌觅食算法的趋化操作与迁移操作改进,以加快细菌觅食的搜索速度与寻优精度,并采用测试函数及比例—积分—微分(proportion integration differentiation,PID)参数整定的仿真试验检验效果及可行性。

1 基本细菌觅食算法不足

标准细菌觅食算法包括：趋化、群聚、复制和迁徙，算法存在的问题为：个体间交流信息较少，影响收敛速度。

2 改进的细菌觅食算法

2.1 趋化改进

将粒子群优化算法运用于细菌觅食算法趋化操作中,加大个体间的……