文章 "种群优化算法：细菌觅食优化（BFO）"
最好能在更多的真实数据上测试所有这些优化算法，在这些数据中，参数为 5 个或更多，组合数量很大。
这是参数的数量：
input int Test1FuncRuns_P = 5; //1) 测试中的功能数量 input int Test2FuncRuns_P = 25; //2) 测试中的功能数量 input int Test3FuncRuns_P = 500; //3) 测试中的功能数量
这就是种群数量：
input int BatsNumber_P = 50; //蝙蝠数量
计算历时的次数
int epochCount = NumbTestFuncRuns_P / BatsNumber_P; 我的代码都正确吗？
好的，谢谢。
这一系列文章中的所有算法都是可对等的，其他的还没看吗？我觉得我可以用它，它很有用，只是要优化的函数比较复杂，它有动态的参数数，既有实数参数，也有整数参数，而且范围不同，你必须事后解决问题
干得好👏
新文章 种群优化算法：细菌觅食优化（BFO）已发布：
大肠杆菌觅食策略激发出科学家创建 BFO 优化算法的灵感。 该算法包含原创思路和有前景的优化方法，值得深入研究。
细菌觅食优化（BFO）算法是一种引人入胜的优化技术，可在极其复杂或不可能的数值函数里找到最大化/最小化问题得近似解。 该算法被广泛认为应对分布式优化和控制的全局优化算法。 BFO 的灵感来自大肠杆菌的社会觅食行为。 BFO 已经引起了研究人员的注意，因为它已表现出在多个应用领域中解决实际优化问题方面的有效性。 大肠杆菌觅食策略背后的生物学，是以原始方式模拟，并作为一种简单的优化算法。
细菌，如大肠杆菌或沙门氏菌，是地球上最成功的生物之一。 这些灵动的细菌具有称为鞭毛的半刚性附属物，它们通过扭曲运动推动自己。 当所有的鞭毛逆时针旋转时，会产生螺旋桨效应，推动细菌或多或少地沿直线方向移动。 在这种情况下，细菌执行称为游泳的运动。 所有鞭毛都顺同一方向旋转。
鞭毛帮助大肠杆菌翻滚或游泳，这是细菌在觅食期间执行的两项主要操作。 当它们顺时针旋转鞭毛时，每个鞭毛都会反向推动细胞。 当鞭毛向不同方向旋转时，细菌就会翻滚。 细菌在有利的环境中移动时翻滚较少，而在有害的环境中，它经常翻滚，从而感知营养梯度。 鞭毛的逆时针运动有助于细菌以非常高的速度游泳。
在上述算法中，细菌的行为是由一种称为细菌趋化性的机制决定的，该机制是这些微生物对环境中化学刺激的运动反应。 这种机制允许细菌向引诱剂（最常见的营养物质）移动，并远离驱虫剂（对细菌有潜在危害的物质）。 检测引诱剂和驱虫剂的受体位于细菌的两极。
由于细菌体积小，它无法捕捉两极之间有用和有害物质浓度的差异。 细菌通过测量运动过程中浓度的变化来判定这些物质的梯度。 这种运动的速度可以达到每秒几十个细菌长度。 例如，大肠杆菌通常以每秒 10-20 倍其体长的速度移动。
图例 1. 复制：分为原始（保持运动向量）和克隆（运动向量变化）细菌。
翻滚 - 细菌运动向量的变化
作者：Andrey Dik