小生境技术基本理论：智能优化算法的理论与应用

普通的进化算法（无论是标准的PSO算法还是GA算法）对于一个优化问题只能发现一个最优解。而在大量的实际优化问题的求解计算中面临一个多模态函数优化问题或者多峰函数优化问题，往往需要搜索多个全局最优解和有意义的局部最优解时，普通的进化算法这时将无能为力，即使将普通进化算法多次使用，也不能保证所发现的最优解互不相同。如何构造一种优化算法，使之能够搜索到全部全局最优解和尽量多的局部最优解，已成为当今优化领域的热门研究问题。

而小生境技术就是一种方法，这项技术模拟生态平衡，能使普通进化算法具有发现多个最优解的能力。小生境技术源于遗传算法（GA），在遗传算法中，发现多模态问题中多个最优解的能力被称为小生境技术（Niching Technique）。受此启发，近年来，在多峰问题优化中，为了找到全部全局最优解和尽量多的局部最优解，研究人员将自然界的小生境（Niche）现象引入到算法中。其基本方法是：把解空间中每个峰周围的个体所构成的子空间比作生物生长的一个小生境，把峰周围的个体所组成的子群体比作在该小生境中繁衍的物种，每个小生境中的物种能够集中寻找该生境中的峰。理想情况下，小生境的数目等于所要找的峰的数目。

小生境算法按照实现方式来划分，有并行和串行两种小生境技术。串行技术一次只能发现一个最优解，然后通过重复使用该算法去发现其他最优解，而并行算法却能够同时发现所有最优解。尽管一般情形下串行技术比并行技术运行速度慢，但好的串行技术也可以提升整个小生境技术的性能，尤其在优化复杂的多模函数问题上，好的串行技术甚至于要优于并行技术。(www.xing528.com)

由于细菌觅食优化算法比较简单、有效，本节将使用串行小生境技术改进该算法。由于改进算法使用了多个小生境子细菌群串行运行，为了避免多个子细菌群收敛到同一个或某几个最优解，算法必须更改后面运行的子细菌群中细菌的适应值，以免这些细菌重复探索己经发现最优解的小生境。本章从限制优化问题中引入罚函数的概念，对适应值较小的个体施加一个较强的罚函数，最终使得在指定距离内只存在一个优良的个体，既维护了群体的多样性，又使得各个体之间保持一定的距离，并使得个体能够在整个约束空间中分散开来。