Bacterial foraging optimization algorithm: theoretical foundations, analysis, and applications

تاریخ: ۲۰۰۹

پایگاه: اسپرینگر

لینک دانلود اصل مقاله

نام مجله: In Foundations of Computational Intelligence

قیمت: ۱۵۰,۰۰۰ ریال

تعداد صفحات انگلیسی: ۳۳

تعداد صفحات فارسی: ۳۸

کد: ۳۰۳۸۴

چکیده فارسی

 الگوریتم بهینه‌سازی جستجوی باکتری (BFOA) به طور گسترده به عنوان یک الگوریتم بهینه‌سازی محبوب جهانی برای بهینه‌سازی و کنترل پراکنده مقبول واقع شده است. BFOA به دلیل کارائی آن در حل مسائل بهینه‌سازی دنیای واقعی که در برخی حوزه‌های کاربردی رخ می‌دهد، مورد توجه محققان قرار گرفته است. زیست‌شناسی مربوط به راهبرد جستجوی باکتری E.coli به یک شیوه‌ی خارق‌العاده تقلید می‌شود و به عنوان یک الگوریتم بهینه‌سازی ساده به کار گرفته می‌شود. این فصل با توصیف آشکار BFOA کلاسیک و سنتی آغاز می‌شود. سپس دینامیک گام کموتاکسی  شبیه‌سازی شده در BFOA با کمک یک مدل ریاضی ساده تحلیل می‌شود. با توجه به تحلیل انجام شده، یک نسخه‌ی تطبیقی BFOA ارائه می‌شود که در آن اندازه‌ی گام کموتاکتیک  در هر اجرا طبق سازگاری فعلی یک باکتری مجازی تنظیم می‌شود. همچنین Nest که یک تحلیل دینامیک اپراتور تکثیر در BFOA است، بحث خواهد شد. این فصل ترکیب BFOA با دیگر تکنیک‌های بهینه‌سازی را بیان کرده و مهم‌ترین کاربردهای BFOA تا به امروز را بیان می‌کند.

چکیده انگلیسی

Bacterial foraging optimization algorithm (BFOA) has been widely accepted as a global optimization algorithm of current interest for distributed optimization and control. BFOA is inspired by the social foraging behavior of Escherichia coli. BFOA has already drawn the attention of researchers because of its efficiency in solving real-world optimization problems arising in several application domains. The underlying biology behind the foraging strategy of E.coli is emulated in an extraordinary manner and used as a simple optimization algorithm. This chapter starts with a lucid outline of the classical BFOA. It then analyses the dynamics of the simulated chemotaxis step in BFOA with the help of a simple mathematical model. Taking a cue from the analysis, it presents a new adaptive variant of BFOA, where the chemotactic step size is adjusted on the run according to the current fitness of a virtual bacterium. Nest, an analysis of the dynamics of reproduction operator in BFOA is also discussed. The chapter discusses the hybridization of BFOA with other optimization techniques and also provides an account of most of the significant applications of BFOA until date

مشخصات استنادی

Das, S., Biswas, A., Dasgupta, S., & Abraham, A. (2009). Bacterial foraging optimization algorithm: theoretical foundations, analysis, and applications. In Foundations of Computational Intelligence Volume 3 (pp. 23-55). Springer Berlin Heidelberg

دانلود اصل مقاله

ویژگی‌های مقاله الگوریتم بهینه‌سازی جستجوی باکتری: مبانی نظری، تحلیل و کاربردها

مقاله “الگوریتم بهینه‌سازی جستجوی باکتری: مبانی نظری، تحلیل و کاربردها” در سال ۲۰۰۹ در مجله In Foundations of Computational Intelligence چاپ شده و در پایگاه اطلاعاتی اسپیرینگر نمایه شده است. این مقاله به بررسی الگوریتم بهینه‌سازی جستجوی باکتری (BFOA) و تحلیل دینامیک اپراتور تکثیر پرداخته است. همچنین براساس اطلاعات پایگاه اطلاعاتی گوگل اسکولار این مقاله ۱۶۵ بار مورد استناد قرار گرفته است.