第6期 莫宏伟：自然计算研究进展 ·547 对于优化多变量和多模态函数，Karaboga1提出可 法结合的新算法.文献[87]采用群计算技术处理图 人工蜂群算法(ABC),Basturk和Karaboga在有限测 像分类，文中使用一个新的群数据聚类方法，该方法 试问题上比较了ABC和GA[s]、PSO和PS-EA[9]以 基于人工蜜蜂花簇授粉进行卫星图像像素的聚类， 及DE、PS0和EA的性能o.ABC算法已经应用到 使用该方法获得了高精确度卫星图像分类.文献 约束优化问题、神经网络训练)、设计R滤 [88]利用该算法解决经济负载分配问题.本文作者 波器41和叶约束最小生成树问题51.文献[76]将 将BBO算法用于求解TSP问题，通过多个旅行商 ABC算法与遗传算法和其他群智能算法在50个不 (TSP)经典测试问题证明生物地理学思想是一种求 同类型函数问题上进行了大规模全面比较和分析， 解TSP问题新的有效手段[] 结果显示ABC算法性能好于或者近似其他群智能 1.1.4群体智能发展问题 算法，优势在于算法控制参数较少， 自然计算的启发源于微小的细菌、活跃的蜜蜂， 1.1.3生物地理优化算法 发展到大规模动物迁移，并已经开发出相应的有效 生物地理优化算法(biogeography-based optimi- 算法.上述多种群体智能算法在理论和应用方面发 zation,BB0)是美国学者Simon于2008年正式提出 展程度不一，但都远未达到成熟阶段.所有群体智能 的一种新型优化算法，是一种新的生物地理学启发 算法的一个共同特征是候选解以群体形式向着搜索 算法，用以解决全局最优解.它主要通过物种的 空间中更好的解区域移动，共同挑战是如何结合生 迁移算子来实现信息资源共享，BB0是在生物地理 物群智能以加速向最优解收敛，避免局部最优解，这 学的数学模型基础上实现的一种全局性优化方法. 也是所有自然计算优化求解的共性问题.群体智能 文献[27]介绍了如何基于生物地理学的基本 发展主要有以下几个方面的问题值得关注： 理论设计该优化算法，给出了算法的基本理论框架 1)观察和发现生物群体中新的行为模式，借鉴 和步骤.在所给出的8个典型函数和一个飞机发动 生物学成果进行建模和分析，以进一步改进现有算 机传感器选择的实际问题上进行的测试表明，该算 法和开发新的SI算法.比如生物学上对一种趋磁性 法虽然结构比较简单，但在多数测试问题上表现均 细菌的研究的关注[0] 优于现有的遗传算法、粒子群算法、蚁群算法等其他 2)数学理论基础相对薄弱，缺乏具备普遍意义 7个常用的优化算法.文献[77]提出了对立生物地 的理论性分析！ 理学优化算法.马海平]推广了生物地理理论中的 3)充分发挥其固有的强并行性，与最新计算软硬 物种平衡数，探讨了6种不同的迁移模型，通过实验 件技术尤其是嵌入式系统相结合，服务于实际应用 表明正弦迁移曲线性能最优.龚文银等[]扩展了原 4)同其他的进化算法一样，群体智能也是概率算 有的BB0,提出一种实数编码的BB0方法，同时引 法，对于解决实际问题而言存在可靠性方面的风险， 进邻域搜索算子，杜大伟等[0]融合进化策略，同时 5)学习、推理、知识处理在群体智能中的应用 提出一种设定阈值的移民拒绝方法.龚文银等还将 研究 BB0融入DE,提出一种混合的差异进化方法，该方 1.2分子计算 法有效地结合了DE的探索能力和BBO的开采能 分子计算是一个跨学科的研究领域.这里的计 力，另外也研究了种群的规模、维数、不同的变异方 算不只局限于狭义的算法，而是泛指在自然界中物 案和自适应控制参数对该混合方法的影响[81].马海 理、化学以及生物分子水平上研究新的计算模式和 平[2推广了生物地理理论中的物种平衡数，讨论了 方法.分子计算就是试图研究分子在信息处理方面 4种不同的迁移模型，通过实验表明线性迁移率比 的计算能力.分子计算思想直到1994年Adleman对 常数迁移率的优化效果更好.Dan Simon对BB0进 一般目的的DNA分子计算机方面取得突破性进 行了简化，提出了3种简化的BB0算法理论模型， 展1，才被证实. 对群体进行概率分析，证明了算法在不同简化形式 1.2.1DNA计算 下得到最优解所需要的代数和期望的改进量，而且 DNA计算的研究内容包括：DNA计算的通用模 这些量都与群体数量相关[8]，发展了BB0的马尔 型、DNA链大规模并行性计算模型、不同自然发生 可夫分析，对比了BBO和简单遗传算法的马尔可夫 结构的DNA计算模型（尤其是循环和其他非线性 分析，对精英策略的选择也进行了讨论[4].在BB0 结构)、在细胞层次上利用自然发生的生物操作的 应用方面，文献[85]提出利用BB0进行天线阵列分 分子计算模型[] 析的算法.文献[86]则提出了量子与生物地理学算 DNA计算模型主要划分为非限制性模型和限制