2002年,Passino根据大肠杆菌在人类肠道中的觅食行为提出了细菌觅食算法。细菌觅食算法是一种新型智能优化算法,主要用于解决如旅行商问题、生产调度问题等组合优化问题和函数最优化问题。相较于当时已存在的其他算法,细菌觅食算法在收敛速度和其他能力上有着显著的优势。尽管如此,就细菌觅食算法本身而言还是有很多有待改进的地方,因此也吸引了许多学者对它进行改进并应用于多个领域。本文第二章主要介绍的是细菌觅食算法和分布估计算法,这两种算法作为改进算法的基础和重要工具,其本身都具有极其优秀的特征。细菌觅食算法相较于传统的智能优化算法在对算法优化过程的控制方面更加完善,减少了许多随机处理的过程。分布估计算法作为一种传统的优化算法也有可取之处,在分布估计算法中其产生新个体和新种群的方式是我们用于改进细菌觅食算法的重要方法。本文第三章提出了一种基于分布估计的自适应细菌觅食算法,在细菌觅食算法的趋化,复制和消除-驱散过程中加入了自适应机制,增加了细菌个体之间的差异性。在消除-驱散过程中借鉴了分布估计算法中利用高斯分布生成新个体的方法,有效避免了前期工作的无效化。本文第四章分为四个部分——描述性统计分析,复杂度分析,非参数检验以及与其他改进算法的比较。描述性统计方法用于分析仿真实验结果,包括算法的收敛性,稳定性。复杂度分析从时间和空间两方面对算法进行了评估。非参数检验用于验证改进后的细菌觅食算法是否相较其他算法有显著性的差异,以及结合具体数据验证算法的优越性。与其他改进算法的比较是在相同参数设置情况下,结合了其他改进算法的实验数据,对比本文算法与其他改进算法的优劣,对比各自的优缺点。