Βιομίμηση της αναζήτησης τροφής από το βακτήριο Escherichia Coli και εφαρμογές βελτιστοποίησης
Τσίγκρηλας, Θεόδωρος Β.
Πικράκης, Άγγελος
O Αλγόριθμος Βελτιστοποίησης Αναζήτησης Τροφής των Βακτηρίων (Bacterial Foraging Optimization Algorithm - BFOA), έχει γίνει αποδεκτός από τους ερευνητές εδώ και μια δεκαετία σαν ένας μεγάλου ενδιαφέροντος εξελικτικός αλγόριθμος βελτιστοποίησης λόγω της αποτελεσματικότητας στην επίλυση των πραγματικών προβλημάτων βελτιστοποίησης που προκύπτουν σε διάφορα πεδία εφαρμογών. Ένα από τα σημαντικότερα στοιχεία του BFOA είναι το φαινόμενο προσομοίωσης κίνησης των εικονικών βακτηρίων, σε καθένα από τα οποία το μοντέλο αποδίδει μια δοκιμαστική λύση του προβλήματος βελτιστοποίησης. Κατά τη διάρκεια της αναπαραγωγής, τα λιγότερο υγιή βακτήρια (με συσσωρευμένη χαμηλότερη τιμή της αντικειμενικής συνάρτησης στη χημειοτακτική διάρκεια ζωής) πεθαίνουν και το κάθε ένα από τα άλλα υγιέστερα βακτήρια χωρίζεται σε δύο, τα οποία στη συνέχεια αρχίζουν να διερευνούν την περιοχή των θρεπτικών συστατικών με συνέπεια την ταχεία σύγκλιση του βακτηριακού πληθυσμού κοντά στα βέλτιστα (τοπικά / ολικά). Αυτό το φαινόμενο είναι ευθέως ανάλογο με το μηχανισμό επιλογής στους κλασικούς εξελικτικούς αλγόριθμους. Λαμβάνοντας υπόψη τις πολυάριθμες προηγούμενες αναλύσεις, σε αυτή την εργασία μελετάται η κοινωνική αναζήτηση τροφής στη φύση, ενώ η υποκείμενη βιολογία πίσω από τη στρατηγική αναζήτησης τροφής του βακηρίου E. Coli προσομοιώνεται με έναν εξαιρετικό τρόπο. Χρησιμοποιείται σαν ένας νέος αλγόριθμος βελτιστοποίησης και αποδίδεται σε ψευδοκώδικα και σε πρόγραμμα. Με αυτό εξετάζονται πειραματικά δώδεκα μαθηματικές συναρτήσεις. Η εργασία ολοκληρώνεται με τις προοπτικές του αλγόριθμου BFOA και με περιγραφή από τις ποιο σημαντικές εφαρμογές του BFOA μέχρι σήμερα.
During the last decade Bacterial Foraging Optimization Algorithm - BFOA, has been accepted by researchers as a high interest evolutionary optimization algorithm due to the effectiveness in solving optimization problems in various application domains of real world. One of the major driving forces in BFOA is the movement simulation of virtual bacteria, where the model gives on each bacterium a test solution of the optimization problem. During reproduction, the least healthier bacteria (with a lower accumulated value of the objective function in one chemotactic lifetime) die and the other healthier bacteria each split into two, which then starts exploring the search place from the same location resulting in rapid convergence of the bacterial population near optima (local / global). This phenomenon is directly proportional to the mechanism selection in classical evolutionary algorithms. Considering many previous works in this paper we study the social foraging in nature, while the underlying biology behind the foraging strategy of E. coli bacterium is simulated with an excellent manner. It is also used as a new optimization algorithm and attributed to pseudocode and program. We examine experimentally twelve mathematical functions. We conclude with the prospects of BFOA algorithm and a description of the most important applications of BFOA today.
