1.2　生物启发式计算典型方法分析

近年来，生物启发式计算研究领域不断出现新的研究分支，国内外广大学者提出许多基于自然生物觅食行为的生物启发式计算方法，这些算法已经广泛应用于解决工程实际问题，并取得了较好的效果。生物启发式计算主要研究分支与自然界生命现象的对应关系如表1-2所示。

表1-2　生物启发式计算主要研究分支与自然界生命现象的对应关系

从国内外研究现状来看，对应群体智能的蚁群、蜂群、鱼群、鸟群等的涌现现象是这一领域目前研究的前沿热点问题。例如，模拟动物群体觅食的群搜索优化算法（group search optimization，GSO）、模拟鸟群觅食的粒子群优化算法（particle swarm optimization，PSO）、模拟细菌趋化机制的细菌觅食优化算法（bacterial foraging optimization，BFO）、模拟蚁群觅食的蚂蚁系统（ant system，AS）、模拟蜂群觅食的人工蜂群优化（artificial bee colony optimization，ABC）算法等。