晏晓辉， 朱云龙， 张智聪， 吕赐兴， 李 帅， 蚁文洁

(1.东莞理工学院 机械工程学院，广东 东莞 523808； 2.东莞理工学院 电子工程与智能化学院，广东 东莞 523808； 3.深圳大学 管理学院,广东 深圳 518060)

0 引言

群体智能(swarm intelligence, SI)算法是近年来智能计算和优化领域的热门方向.自20世纪90年代起，学者们从蚁群觅食、鸟类飞行、蜂群分工合作、萤火虫发光吸引、鱼群结伴游弋等行为中受到启发，先后提出多种群体智能算法[1-5]，并在许多数值优化和工程优化问题上进行了测试应用.对于传统运筹学方法难以求解的大规模组合优化问题，群体智能算法能在较短时间内求得较好的满意解，展现出极大的优越性.

菌群优化是基于细菌群体的优化行为而提出的一类新型群体智能方法.早在20世纪中期，生物学家就通过显微镜观察到细菌的移动并非随意，而是具有一定的规律.1960年，Alder深入研究了大肠杆菌的分子机制，提出了细菌的趋化性机理.1974年，Bremermann在文献中指出了细菌趋化行为用于优化的可能性[6].1990年Bremermann根据细菌内部的反应机制以及细菌与环境的相互作用机制提出了细菌趋化优化模型，并将其用于神经网络训练[7].随后，许多学者对细菌行为用于优化展开了研究，其中比较成功的细菌优化算法有细菌趋化算法(bacterial chemotaxis algorithm, BC)[8]、细菌觅食算法(bacterial foraging optimization, BFO)[9]和近年来提出的磁性细菌算法(magnetotactic bacteria optimization algorithm, MBOA)[10]，而基于这些算法的改进和应用研究也一直未曾间断.

以最有代表性的BFO算法为例，2000—2017年，在Web of Science数据库以“bacterial foraging optimization”为关键词可搜索到学术文献781篇(数据……