BACTERIAL FORAGING OPTIMIZATION

RELATÓRIO DE PESQUISA
BACTERIAL FORAGING OPTIMIZATION
Luan Santos Pinto

Introdução Bacterial foraging otmization algorithm (BFOA) é inspirado pelo comportamento social da bactéria Escherichia coli e conseguiu chamar atenção de pesquisadores pela sua eficiência em resolver problemas de otimização do mundo real em vários domínios da área de IA.

Bactéria A estratégia de busca que a bactéria E. coli utiliza contém 4 processos chamados: Quimiotaxia, incubação, reprodução e eliminação/dispersão.
Quimiotaxia: As características de movimentação da bactéria em busca de comida pode ser definida em duas formas: nadar e cambalhotar também chamado de quimiotaxia. Uma bactéria está "nadando" se ela mover-se para uma pré-determinada direção, e "cambalhotando" se estiver movendo para uma direção completamente diferente. Matematicamente uma representação de uma quimiotaxia pode ser representada por uma unidade de uma direção randômica multiplicada pelo comprimento de cada passo da bactéria. No caso do nadar, esse espaço randômico é pré-determinado.
Incubação: Para a bactéria chegar ao ponto onde há mais comida (isto é para o algoritmo converger para o ponto de solução) é desejado que a melhor bactéria em um determinado tempo de procura deveria atrair as outras bactérias para que todas convirjam para o ponto de solução mais rápido. Para conseguir isso, uma função de penalidade baseada na distancia entre cada bactéria desde à mais apta do tempo de procura é adicionada para a função original de custo. Quando todas as bactérias convergirem para o ponto de solução, essa penalidade é nula. O efeito de incubação é fazer as bactérias permanecerem em grupos e mover-se em padrões concêntricos.
Reprodução: Depois de várias quimiotaxias, a população de bactérias chegam à um estagio de reprodução, onde as melhores bactérias escolhidas após todas essas quimiotaxias tem uma chance maior de se reproduzir.
Eliminação/Dispersão: No processo de evolução um evento não previsto pode