文章 "细菌趋化优化(BCO)"

 

新文章 细菌趋化优化(BCO)已发布:

本文介绍了细菌趋化优化(Bacterial Chemotaxis Optimization,简称 BCO)算法的原始版本及其改进版本。我们将详细探讨所有不同之处,特别关注 BCOm 的新版本,该版本简化了细菌的移动机制,减少了对位置历史的依赖,并且使用了比原始版本计算量更小的数学方法。我们还将进行测试并总结结果。

各种研究表明,细菌会相互交流信息,尽管其通信机制尚不清楚。通常,细菌被视为个体,模型中未考虑其社交互动。这使它们与描述社会性昆虫(如蚂蚁、蜜蜂、黄蜂或白蚁)行为的互动模型不同,后者作为具有集体智能的系统,为解决各种问题提供了不同的可能性。

适应性是趋化的另一个重要方面。细菌能够改变对恒定化学条件的敏感性,从而有效响应环境变化。这一特性不仅使它们具有很强的适应性,还使其在寻找资源方面极为高效。

在本研究中,作者专注于微观模型,关注单个细菌的趋化行为,而不是分析群体运动的宏观模型。该算法由S. D. Müller和P. Koumatsakas开发,其主要思想于2002年提出并发表。


作者:Andrey Dik