智能优化算法的复制操作改进

在基本细菌觅食算法的复制操作中，细菌能量值Jhealth按照一次趋向性操作中细菌个体经过的所有位置的适应值的累积和从小到大的顺序进行排列（能量值越大表示细菌越健康），淘汰掉前Sr=S/2个能量函数值较小的细菌，选择后Sr个能量值较大的细菌进行相同复制。这种操作方式复制出来的子代细菌和其母代细菌觅食能力完全相同，在将觅食能力特别好的细菌进行复制的同时，也复制了虽排在前50%名，但觅食能力并不好的细菌，因而该策略并不能保证能够在下一代保留适应值最优的细菌。显然，标准BFO算法在这一操作上还有所欠缺。

本节提出在细菌觅食的复制操作中，嵌入分布估计算法。分布估计算法EDA（Estimation of distribution algorithm）是基于变量的概率分布的一种随机搜索算法。该算法通过对优秀个体的采样和空间的统计分布分析，进而建立相应的概率分布模型，并以此概率模型产生下一代个体，如此反复迭代，实现群体的进化。具体步骤如下：

Step1在经过一个完整的趋向循环后，对每个细菌按照能量（适应值的累加和）进行排序。(www.xing528.com)

Step2淘汰能量较差的半数细菌，对能量较好的半数细菌进行分布估计再生：假设待优化变量的每一维度相互独立，并且各维度之间服从高斯分布，按式（6.8）和式（6.9）进行复制。

其中，r1和r2是区间［0，1］之间的均匀分布随机数，μ、σ分别为细菌较优位置的分维度均值和标准差向量，乘积采用点乘。