磁性细菌优化算法理论与应用研究

自然计算是受自然界启发的计算方法。启发源包括物理、化学、生物等多种类型。已经成为计算机科学的重要领域。尽管目前存在十余种公认的经典的自然计算方法，包括进化计算、群智能、神经网络等，这些方法仍然不能满足日益复杂的科学和工程问题求解的需要。不断开发更有效的新算法是研究人员的重要使命。磁性细菌是一种含有磁小体的微生物，依靠生化作用形成的磁铁来运动，获得所需的营养和生存环境。已经在非计算领域得到应用。本项目致力于利用磁性细菌的奇异而有效的生存手段开发一种新的优化算法。将磁性细菌运动看作是一种优化过程，磁小体是调节优化的手段。根据磁小体质量、数量、磁性强度、聚集程度设计算法算子，调整候选解的变化。这种优化算法在机理和性能上都将不同于现有的自然计算方法，用于多目标优化、组合优化等多种优化问题。与其他自然计算方法展开比较研究，分析其特性和优势。

本项目主要针对项目负责人提出的趋磁性细菌启发的优化算法--磁性细菌优化算法及相关自然启发的计算方法深入研究.提出了两种新型优化算法--磁性细菌优化算法及功率谱磁性细菌优化算法，用于单目标函数优化、多模态函数优化，与经典遗传算法及差分进化算法，以及生物地理优化算法、蜂群优化算法、细菌觅食优化算法、鱼群优化算法、布谷鸟优化算法等多种优化方法进行了大规模比较研究，证实了所提出算法的有效性。并对相关算法开展了应用研究，包括多目标优化、机器人路径规划、图像分割等，为研究磁性细菌优化算法的实际应用奠定了坚实的基础。