李麗麗

摘 要：受蝙蝠覓食時(shí)回聲定位行為啟發(fā)，劍橋大學(xué)的Yang教授于2010年提出了蝙蝠算法（Bat Algorithm， BA）。BA因具有結(jié)構(gòu)簡(jiǎn)單、參數(shù)少、魯棒性強(qiáng)、易于理解和實(shí)現(xiàn)等優(yōu)點(diǎn)，因而受到極大關(guān)注，逐漸成為計(jì)算智能研究領(lǐng)域熱點(diǎn)。闡述了蝙蝠算法的仿生原理和算法的具體流程，總結(jié)了蝙蝠算法優(yōu)缺點(diǎn)，介紹了蝙蝠算法和改進(jìn)蝙蝠算法的應(yīng)用，對(duì)蝙蝠算法發(fā)展方向進(jìn)行了展望。

關(guān)鍵詞：蝙蝠算法；仿生原理；改進(jìn)的蝙蝠算法；算法應(yīng)用

DOIDOI：10.11907/rjdk.161982

中圖分類號(hào)：TP312

文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1672-7800（2016）012-0170-02

1 蝙蝠算法概述

蝙蝠算法模擬蝙蝠通過(guò)回聲定位捕食獵物行為[1]實(shí)現(xiàn)搜索問(wèn)題的最優(yōu)解，其模擬回聲定位方式為：將每只蝙蝠個(gè)體視為當(dāng)前可行域內(nèi)的一個(gè)解，每個(gè)解對(duì)應(yīng)一個(gè)由所優(yōu)化問(wèn)題確定的適應(yīng)值，每只蝙蝠通過(guò)調(diào)整脈沖波長(zhǎng)、音量、脈沖發(fā)射率3項(xiàng)參數(shù)來(lái)追隨當(dāng)前最優(yōu)蝙蝠，使得整個(gè)種群在問(wèn)題求解空間中產(chǎn)生從無(wú)序到有序的深化，獲取最優(yōu)解。

2 蝙蝠算法應(yīng)用

自BA提出以來(lái)，已有不少學(xué)者將其應(yīng)用于優(yōu)化問(wèn)題，包括簡(jiǎn)單函數(shù)優(yōu)化、生產(chǎn)調(diào)度、分類類別、模式識(shí)別等，相對(duì)于PSO、GA以及HS等，BA具有更大潛能。本文從基本BA和改進(jìn)的BA兩方面來(lái)闡述BA的應(yīng)用。

2.1 BA基本應(yīng)用

為了對(duì)燃?xì)廨啓C(jī)發(fā)電系統(tǒng)進(jìn)行性能優(yōu)化和狀態(tài)監(jiān)測(cè)，Tamiru[2]將蝙蝠算法應(yīng)用于燃?xì)廨啓C(jī)發(fā)電系統(tǒng)模型中。首先使用蝙蝠算法和局部線性模型樹(shù)算法對(duì)模糊系統(tǒng)進(jìn)行訓(xùn)練，然后利用該系統(tǒng)捕捉燃?xì)廨啓C(jī)發(fā)電系統(tǒng)的能量損失分布及變化情況，與局部線性模型樹(shù)算法進(jìn)行訓(xùn)練結(jié)果對(duì)比，證明蝙蝠算法和局部線性模型樹(shù)算法結(jié)合的有效性；Nakamura[3]使用BA解決拓?fù)鋬?yōu)化問(wèn)題中的彈簧問(wèn)題和減速器問(wèn)題，實(shí)驗(yàn)測(cè)試結(jié)果表明蝙蝠算法得到的解優(yōu)于目前為止所有文獻(xiàn)的最優(yōu)解；Nakamura[4]首次將BA強(qiáng)大的搜索能力和快速查找能力結(jié)合，實(shí)驗(yàn)測(cè)試結(jié)果表明蝙蝠算法的解優(yōu)于目前為止所有文獻(xiàn)的最優(yōu)解；Bora[5]將BA應(yīng)用于求解無(wú)刷直流齒輪電機(jī)問(wèn)題[6]，與SQP、GA、GA&SQP、ACO、PSO的對(duì)比實(shí)驗(yàn)結(jié)果表明BA可行；Fister[7]引入BA對(duì)運(yùn)動(dòng)員運(yùn)動(dòng)過(guò)程數(shù)據(jù)進(jìn)行處理，給教練提供智能體育訓(xùn)練計(jì)劃，與DE、PSO、DET進(jìn)行對(duì)比實(shí)驗(yàn)證實(shí)BA的可行性；Yang[8]使用BA求解3個(gè)基準(zhǔn)工程約束優(yōu)化問(wèn)題，實(shí)驗(yàn)結(jié)果表明BA的求解結(jié)果優(yōu)于目前最優(yōu)解。Taher[9]應(yīng)用蝙蝠算法求解機(jī)組負(fù)荷經(jīng)濟(jì)調(diào)度問(wèn)題，與PSO的對(duì)比實(shí)驗(yàn)表明BA的可行性與有效性。

2.2 改進(jìn)的BA

基本BA存在易陷入局部最優(yōu)導(dǎo)致早熟收斂問(wèn)題，不少學(xué)者對(duì)基本蝙蝠算法進(jìn)行相應(yīng)改進(jìn)以獲取更好的解。

2.2.1 基準(zhǔn)測(cè)試函數(shù)求解

Tsai[10]重新定義了蝙蝠的運(yùn)動(dòng)方式和隨機(jī)游走過(guò)程，和基本BA進(jìn)行對(duì)比測(cè)試，結(jié)果表明了該算法的有效性；Guanghui Liu[11] 提出了多普勒效應(yīng)蝙蝠算法，給出發(fā)現(xiàn)獵物、靠近獵物、捕食獵物時(shí)蝙蝠聲波頻率變化公式，通過(guò)和PSO、基本BA結(jié)果對(duì)比，證明了該算法的有效性和快速性；劉長(zhǎng)平[12]對(duì)BA迭代過(guò)程中產(chǎn)生的較優(yōu)解進(jìn)行混沌優(yōu)化，較差解用新的解予以替換，與PSO、BA求解結(jié)果對(duì)比，表明BA是解決工程應(yīng)用中復(fù)雜函數(shù)優(yōu)化問(wèn)題的一種有效方法；謝健[13]將Levy飛行作用于蝙蝠位置的更新公式中，通過(guò)和基本BA求解結(jié)果對(duì)比，表明該BA的有效性和可行性；黃光球[14]把基本蝙蝠的回聲定位方式改進(jìn)為追隨、自主、避險(xiǎn)或從眾行為運(yùn)動(dòng)，通過(guò)和基本BA、改進(jìn)自組織遷移算法的求解結(jié)果進(jìn)行對(duì)比，表明該算法具有較強(qiáng)的全局收斂性；肖輝輝[15]對(duì)BA迭代過(guò)程中產(chǎn)生的解進(jìn)行變異、交叉、選擇操作，得到新的解，和基本BA仿真結(jié)果對(duì)比，表明該BA能夠增強(qiáng)算法的全局尋優(yōu)能力。通過(guò)這兩種BA求解非線性方程組問(wèn)題，驗(yàn)證了BA的可行性和有效性，擴(kuò)展了蝙蝠算法的應(yīng)用范圍；李枝勇[16]用量子旋轉(zhuǎn)門(mén)和非門(mén)分別實(shí)現(xiàn)搜索和變異；高珊[17]使用小生境技術(shù)把蝙蝠劃分為若干類，每個(gè)類內(nèi)部通過(guò)共享適應(yīng)度函數(shù)和排擠機(jī)制提高種群多樣性。通過(guò)與PSO、GA、CS對(duì)比，表明改進(jìn)的BA能夠有效避免了局部最優(yōu)，提高了全局尋優(yōu)能力。

2.2.2 規(guī)劃問(wèn)題求解

李枝勇[18]為了求解多目標(biāo)0-1規(guī)劃問(wèn)題，重新定義了蝙蝠位置和速度的更新公式，將約束條件轉(zhuǎn)化到目標(biāo)函數(shù)，把問(wèn)題轉(zhuǎn)化成無(wú)約束形式，通過(guò)和元胞蟻群算法、枚舉法進(jìn)行對(duì)比實(shí)驗(yàn)，證明了蝙蝠算法在解決多目標(biāo)0-1規(guī)劃問(wèn)題上的有效性和優(yōu)越性；李國(guó)成[19]在評(píng)估蝙蝠個(gè)體過(guò)程中嵌入交叉熵操作來(lái)更新蝙蝠位置，通過(guò)和HS、GA求解絕對(duì)值方程結(jié)果進(jìn)行對(duì)比，表明該算法具有較強(qiáng)的全局搜索能力和穩(wěn)定性；Taher和Farhad[20]使用自適應(yīng)啟發(fā)式蝙蝠算法解決機(jī)組組合優(yōu)化問(wèn)題，通過(guò)和GA、DPSO、HPSO、SFLA對(duì)10～100個(gè)單元的集成系統(tǒng)問(wèn)題和38個(gè)單元、不間斷調(diào)度的集成系統(tǒng)問(wèn)題求解結(jié)果對(duì)比，證明了該算法的有效性和快速性。

2.2.3 模式識(shí)別問(wèn)題求解

Behnam[21]提出了多普勒效應(yīng)蝙蝠算法。算法中加入多普勒效應(yīng)特性，靠近獵物時(shí)聲波頻率增大，遠(yuǎn)離時(shí)聲波頻率減小，以此調(diào)節(jié)搜索過(guò)程中蝙蝠的聲波頻率，通過(guò)和ACO、PSO檢測(cè)釣魚(yú)網(wǎng)站的正確率和錯(cuò)誤率進(jìn)行對(duì)比，表明該算法穩(wěn)定可行；為了提高BA的求解精度， Chen[22]根據(jù)蝙蝠和獵物速度方向的不同給出不同的聲波頻率更新公式，通過(guò)對(duì)燃?xì)鉁u輪發(fā)電機(jī)進(jìn)行故障檢測(cè)和診斷，對(duì)比實(shí)際故障數(shù)據(jù)和該算法預(yù)測(cè)數(shù)據(jù)的偏差，證明了該算法的準(zhǔn)確性。

3 研究展望

綜上，蝙蝠算法未來(lái)研究方向如下：

（1）參數(shù)的敏感性研究。對(duì)不同的變量比如α、γ值的改變對(duì)算法收斂速度和結(jié)果的影響進(jìn)行分析，在總結(jié)各參數(shù)變化對(duì)結(jié)果影響的基礎(chǔ)上，設(shè)計(jì)出更好、更穩(wěn)定、更快速求解問(wèn)題的BA算法。

（2）BA與局部啟發(fā)式算法相結(jié)合。利用BA自適應(yīng)的隨機(jī)搜索性，探索潛在的最優(yōu)空間。局部啟發(fā)式算法能對(duì)BA的搜索空間進(jìn)行深入搜索，兩相結(jié)合能在提高收斂速度和尋求全局最優(yōu)之間找到一個(gè)平衡點(diǎn)，從而跳出局部最優(yōu)解，提高求解精度。

（3）BA與其它概念相結(jié)合。目前，BA與其它概念（多普勒效應(yīng)、混沌蝙蝠等）相結(jié)合進(jìn)行改進(jìn)都取得了很好的效果。因而，BA與其它概念結(jié)合并進(jìn)一步自然延伸，會(huì)促使BA產(chǎn)生更有趣的變種。

參考文獻(xiàn)：

[1] XIN SHE YANG. A new metaheuristic bat-inspired algorithm[J]. Nature Inspired Cooperative Strategies for Optimization， SCI，2010，284（1）：65-74.

[2] LEMMA， TAMIRU ALEMU.Use of fuzzy systems and bat algorithm for exergy modeling in a gas turbine generator[J]. Science and Engineering， 2011（5）：305-310.

[3] XINSHE YANG，MEHMET KARAMANOGLU，SIMON FONG.Bat algorithm for topology optimization in microelectronic applications[C]. 1st International Conference on Future Generation Communication Technologies， 2012：150-155.

[4] R Y M NAKAMURA， L A M PEREIRA， PEREIRA K A， et al. A binary bat algorithm for feature selection[C]. IEEE XXV SIBGRAPI Conference on Graphics， Patterns and Images， 2012：291-297.

[5] TEODORO C BORA， LEANDRO DOS S COELHO， LUIZ LEBENSZTAJN. Bat-inspired optimization approach for the brushless dc wheel motor problem[J]. IEEE Transactions on Magnetics， 2012， 48（2）：947-950.

[6] S BRISSET，P BROCHET.Analytical model for the optimal design of a brushless DC wheel motor，COMPEL：int J comput math elect[J].Electron Eng，2005，24（3）：829-948.

[7] FISTER L， RAUTER S . Planning the sports training sessions with the bat algorithm[J]. Neurocomputing， 2015， 149（PB）：993-1002.

[8] XINSHE YANG， SIAMAK TALATAHARI. Bat algorithm for constrained optimization tasks[J]. Neural Computing and Applications， 2013， 22（6）：1239-1255.

[9] THOLATH JOSE， JULIA. Economic load dispatch including wind power using bat algorithm[C].Proceedings-2013 IEEE International Conference on Systems， Man， and Cybernetics， SMC 2013（2）：806-811.

[10] TSAI， PEI WEI， PAN. Bat algorithm inspired algorithm for solving numerical optimization problems[J]. Mechanics and Materials， 2012（1）：134-149.

[11] GUANGHUI LIU， HEYAN HUANG. An improved bat algorithm with doppler effect for stochastic optimization[J]. International Journal of Digital Content Technology and its Applications， 2012， 6（21）：326-336.

[12] 劉長(zhǎng)平，葉春明.具有混沌搜索策略的蝙蝠優(yōu)化算法及性能仿真[J].系統(tǒng)仿真學(xué)報(bào)，2013，25（6）： 1183-1195.

[13] 謝健，周永權(quán)，陳歡.一種基于Lévy飛行軌跡的蝙蝠算法[J].模式識(shí)別與人工智能， 2013，26（9）：829-837.

[14] 黃光球，趙魏娟，陸秋琴.求解大規(guī)模優(yōu)化問(wèn)題的可全局收斂蝙蝠算法[J].計(jì)算機(jī)應(yīng)用研究，2013，30（5）：1323-1328.

[15] 肖輝輝，段艷明.基于DE算法改進(jìn)的蝙蝠算法的研究及應(yīng)用[J].計(jì)算機(jī)仿真，2014，31（1）： 272-301.

[16] 李枝勇，馬良，張惠珍.函數(shù)優(yōu)化的量子蝙蝠算法[J].系統(tǒng)管理學(xué)報(bào)，2014，23（5）：717-722.

[17] 高珊，馬良，張惠珍.函數(shù)優(yōu)化的小生境蝙蝠算法[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2014，44（15）：253-260.

[18] 李枝勇，馬良，張惠珍.多目標(biāo)0-1規(guī)劃問(wèn)題的蝙蝠算法[J].智能系統(tǒng)學(xué)報(bào)，2014，9（6）：672-676.

[19] 李國(guó)成，肖慶憲.絕對(duì)值方程的交叉熵蝙蝠算法求解[J].計(jì)算機(jī)應(yīng)用研究，2014，31（10）：2965-2985.

[20] NIKNAM T， BAVAFA F， AZIZIPANAH-ABARGHOOEE R. New self-adaptive bat-inspired algorithm for unit commitment problem[J]. IET Science， 2014， 8（6）：505-517.

[21] DAMODARAM R， PHIL M，VALARMATHI M L.Phishing website detection and optimization using modified bat algorithm[J]. International Journal of Engineering Research and Applications，2012，2（1）：870-876.

[22] YITING CHEN， BINYIN LIAO， CHINFENG LI. An adjustable frequency bat algorithm based on flight direction to improve solution accuracy for optimization problems[C]. International Conference on Robot，2013：172-177.

（責(zé)任編輯：杜能鋼）