Um overview sobre o funcionamento do Bacterial Foraging Optimization Algorithm e algumas idéias de melhoria que demonstraram sucesso em experimentos.

1. Bacterial Foraging
Optimization Algorithm

2. Equipe
● João Farias (jgfd@cin.ufpe.br)
● Miguel Araújo (mra2@cin.ufpe.br)
● Pedro Castilho (plc@cin.ufpe.br)

3. Sumário
1. Foraging como um problema de otimização
2. Escherichia Coli
3. Bacterial Foraging Optimization Algorithm
4. Escolha de Parâmetros do BFOA
5. Improved Bacterial Foraging Optimization Algorithm

4. Foraging como um problema de otimização
● O que é Foraging?
● Como isso pode ser modelado como um problema de otimização?
● Social Foraging

5. Escherichia Coli

6. Escherichia Coli
○ Flagela
○ Tumble
○ Nado

7. Escherichia Coli
○ Reprodução
○ Eliminação-Dispersão
○ Atração-Repulsão

8. Bacterial Foraging Optimization Algorithm
● Passo Quimotático - Sem Atração
● Continua andando enquanto for favorável, por no máximo uma constante.

9. Bacterial Foraging Optimization Algorithm
● Passo Quimotático - Fator Social
○ Profundidade de Atração
○ Largura de Atração
○ Profundidade de Repulsão
○ Largura de Repulsão

10. Bacterial Foraging Optimization Algorithm
● Passo Quimotático - Fator Ambiental + Fator Social

11. Bacterial Foraging Optimization Algorithm
● Reprodução
○ Após N passos quimotáticos, as bactérias vão morrer
○ As melhores se reproduzirão por bi-partição
○ As piores serão removidas da população
○ Obs: População fixa

12. Bacterial Foraging Optimization Algorithm
● Eliminação-Dispersão
○ Após N passos reprodutivos,
■ Cada bactéria, com uma chance fixa,
● É eliminada da população;
● Outra bactéria surge aleatoriamente.
○ População fixa

13. Bacterial Foraging Optimization Algorithm
● BFOA
○ Define-se as constantes:
■ Tamanho da população (S);
■ Número de passos quimotáticos (n1);
■ Número de passos de reprodução (n2);
■ Número de passos de eliminação-dispersão (n3);
■ Possibilidade de eliminação-dispersão ( Ped );
■ Tamanho do passo quimotático para cada bactéria ( C(i) );

14. Bacterial Foraging Optimization Algorithm
● BFOA
1. Colocar S bactérias randomicamente no espaço de busca;
2. Loop n1 vezes
2.1. Para cada bactéria,
2.1.1. Realize um tumble randômico
2.1.2. Ande na mesmo direção enquanto melhorar o fitness ( ambiental + social);
3. Realize 1 passo reprodutivo
4. Se não realizou n2 passos reprodutivos, vá para 2
5. Realize 1 passo de eliminação-dispersão
6. Se não realizou n3 passos de eliminação-dispersão, vá para 2

15. BFOA - Escolha de Parâmetros
● Tamanho da População
○ Grande:
■ Complexidade computacional
■ Maior chance de encontrar mínimos locais rapidamente
● Tamanho do Passo Quimotático
○ Grande:
■ Pula-se vales
○ Pequeno:
■ Demora de Convergência

16. BFOA - Escolha de Parâmetros
● Níveis de atração-repulsão
○ Social versus individual foraging
● Número de passos quimotáticos
○ Grande
■ Complexidade computacional
■ Progresso de otimização
○ Pequeno
■ Sorte e reprodução

17. BFOA - Escolha de Parâmetros
● Número de passos de eliminação-dispersão
○ Pequeno
■ Menor dependência de randomicidade
● Probabilidade de eliminação-dispersão
○ Grande
■ Busca randomica exaustiva
■ Ajuda a fugir de mínimos locais

18. Improved Bacterial Foraging Optimization Algorithm
● Problema do Escape

19. Improved Bacterial Foraging Optimization Algorithm
● Problema do Escape
○ Seleção eletista das bactérias propícias à eliminação-dispersão
○ Diminuir a quantidade de bactérias propícias à eliminação-dispersão com o tempo
○ Q = 1 − (2ged*L)
■ Ged -> Número da geração
■ L -> Percentual inicial das bactérias que não participam da eliminação-dispersão
■ Q -> Porcentagem de bactérias propícias à eliminação-dispersão

20. Improved Bacterial Foraging Optimization Algorithm
● Problema do Tamanho do Passo Quimotático
○ Tamanho fixo não atinge boa convergência e precisão
○ Tamanho do passo quimotático variado
○ If generation MOD 10 == 0, {g= generation DIV 10, STEP=STEP/2g}

21. Improved Bacterial Foraging Optimization Algorithm
● Resultados Experimentais
○ (a) Rosenbrock, (b) rotated hyper-ellipsoid

22. Improved Bacterial Foraging Optimization Algorithm
● Resultados Experimentais
○ (c) Ackley, (d) Rastrigin

23. Improved Bacterial Foraging Optimization Algorithm
● Resultados Experimentais
○ (e) Griewank

24. Referências
● K. M. Passino, “Biomimicry of bacterial foraging for distributed optimization
and control,” IEEE Control Systems, vol. 22, no. 3, pp. 52-67, 2002.
● L. Jun, D. Jianwu, B. Feng and W. Jiansheng, “Analysis and Improvement
on Bacterial Foraging Optimization Algorithm ”, Journal of Computing Science
and Engineering, vol. 8 , no. 1, (2014), pp. 1-7.