智能优化算法：细菌觅食与遗传算法比较

1.BFO算法和GA算法的相同点

（1）都属于智能仿生算法。BFO算法模拟大肠杆菌的觅食行为，而GA算法则借用生物进化过程中的“适者生存”规律。

（2）都具有全局搜索能力。在寻优区域内都随机地产生初始种群，因而算法在全局的寻优区域进行搜索，并将搜索重点集中于性能高的部分，从而能够提高效率且不易陷入局部极小。

（3）都根据个体的适配信息进行搜索，无需其他信息，如连续性、可导性等，因此不受函数约束条件的限制。

（4）BFO算法中的迁徙操作和GA算法中的变异操作都具有随机性。

（5）搜索过程都是从问题解的一个集合开始，而不是从单个个体开始，具有隐含并行搜索特性，从而大大减小了陷入局部极小的可能性，并且可以提高算法效率。

（6）对复杂问题，都往往不可避免地会遇到早熟收敛和收敛性能差的缺点，无法保证一定能够收敛到全局最优点。

2.BFO算法和GA算法的不同点(www.xing528.com)

（1）BFO算法中的细菌由于聚集操作的存在，先会小范围聚集后向最优区域聚集，然后所有细菌聚集在最优区域；而在GA算法中，染色体之间互相共享信息，使得整个种群都向最优区域移动。

（2）BFO算法中的细菌经过健康度函数的比较然后复制，同时将比较之后的最优结果保留了下来；而在GA算法中，以前的知识随着种群的改变被破坏。

（3）BFO算法中的四个操作可以保证产生的新个体都是优良个体；而遗传算法的诸多算子中，除选择算子可以保证选出的都是优良个体之外，变异算子和交叉算子不能保证产生的新个体是优良个体。这两个算子仅仅是引入了新的个体，如果产生的个体不够优良，引入的新个体就成为干扰因素，反而会减慢遗传算法的进化速度。

（4）在收敛方面，GA算法已经有了比较成熟的收敛性分析方法，并且可以对收敛速度进行估计；而对BFO算法的行为分析和收敛性证明仍处于初步研究阶段。

（5）GA算法的编码技术和遗传操作比较简单；而BFO算法相对于GA算法，没有交叉和变异操作，细菌只是复制和迁徙行为更新，因此原理更简单、更易实现、收敛速度更快。

（6）在应用方面，BFO算法主要应用于连续问题；而GA算法除了连续问题外，还可以应用于离散问题，比如工作车间调度等。