第3章
蝙蝠算法及其改进

3.1　引言

2010年，剑桥大学学者Yang通过模拟蝙蝠回声定位行为，提出一种新的群智能优化算法——蝙蝠算法（bat-inspired algorithm）。^[1]该算法是一种基于种群的随机寻优算法，蝙蝠个体是蝙蝠算法的基本单元，整个群体的运动在问题求解空间中经过从无序到有序的演化过程，从而获取最优解。蝙蝠算法是一种模拟蝙蝠回声定位机制的群智能算法，它从随机产生的初始群体开始，经过进化算子的不断作用，在迭代过程中逐步改进当前群体中个体的适应值，直到得到问题的最优解或满意解为止。在蝙蝠算法中，每个优化问题的解都是搜索空间中的一只蝙蝠，每只蝙蝠都有一个优化问题决定的适应值，每只蝙蝠通过调整频率、响度、脉冲发射率，追随当前的最优蝙蝠在解空间中搜索。蝙蝠算法结合了现有成功算法的优点和回声定位的新特性。本章主要介绍蝙蝠算法的生物学原理，讨论蝙蝠算法的基本模型，从原理上描述蝙蝠回声定位行为和算法流程，从算法的提出、改进和算法的应用等方面分析算法的研究进展，并探讨后续的一些研究方向。