细菌群体趋药性算法过程是什么

细菌群体趋药性算法是非常专业性的细菌检查计算方式，患者在检查身体的细菌时可以通过此法得到正确的检查结果，这种方式是很多病人都不清楚，必须是专业的检查人员通过化验物体进行检查分析，我们可以分析细菌群体趋药性算法的过程，清楚检查时的数据及状态，那么细菌群体趋药性算法过程是什么呢？

细菌是一种单细胞生物体，是构成地球上各种高级生命体的最简单最基本的形体，尽管简单，但是他们可获知周围环境的信息，并有效的利用这些信息使自己生存下去，朝着对自己有利的环境移动，如营养丰富的区域，而逃避有毒的环境。所谓“趋向性”是指一个细胞对它周围环境的运动反应，它会改变下一步运动的方向和持续时间，细菌通过比较两步不同的环境属性来得到所需要的方向信息，如果这种反应与化学物质的浓度(可以是引诱剂或驱除剂)有关，就叫做趋药性。

算法的发展过程

早期细菌趋药性算法的研究是基于Berg、Brown和Dahlquist提出的细菌趋药性微观模型，前者分析了大肠埃希氏菌在氨基酸环境下的趋药性，并且给出了模型参数的实验测量值。后者研究了鼠伤寒沙门氏菌在氨基酸环境下的趋药性，他们都给出了一个数学模型和实验结果来证实他们的模型。Sibvue D.Muller及其同事们在此基础上进步综合，并且结合最新的生物学研究成果提出了细菌趋药性算法(Bacterial Chemotaxis，BC)。

1.单个细菌的描述

简单来说，细菌对引诱剂的反应运动遵守如下的假设：

①细菌的运动轨迹是由一系列连续的直线组成，并且由运动方向和移动距离2 个参数决定。

②细菌在进行下一步运动要改变运动方向时，向左转和向右转的概率相同。

③细菌在各段相邻轨迹间的夹角由概率分布来决定。

则单个细菌对应的算法步骤为：

①设定系统参数。

②选择移动方向。

③确定移动距离。

在整个优化过程中，细菌仅利用它上一步或上几步的位置信息来确定下一步的移动。一般认为这是一种随机梯度近似的搜索方法。

2.细菌群体信息交互模式

①寻找更优点坐标的位置。