Biogeography-based optimization（BBO）：生物地理学最佳化算法。是08年被首次在IEEE上提出来的，作者是Dan Simon。它是研究生物的地理分布数学算法在最最佳化问题中的套用。和其他基于生物学的算法相比有很多共性，也有其独一无二的特性。它是在遗传算法和粒子群算法的基础上发展来的。适用于解决高维度的，多目标的最最佳化问题。
基本介绍
- 中文名：生物地理学最佳化算法
- 外文名：BBO（Biogeography-based optimization）
产生原理
考虑到迁入率曲线。设该栖息地最大可能的迁入率为 I ,当该栖息地的物种为零时取最大值。随着物种的数量增加,栖息地变得更加拥挤,能够成功迁入该栖息地生存的物种减少，同时迁入率不断降低。该栖息地可以承受的最大物种数量为,与此同时迁入率变为0。
历史研究
早在20世纪60年代，用来描述生物体地理分布的数学方程首先被发现并且发展起来。工程师的理念：我们可以向大自然学习。这激励人们使用生物地理学去解决最佳化问题。就像生物遗传的数学算法激励了遗传算法的发展以及生物神经网路的数学算法激励了人工神经网路的发展。本文认为生物地理学的数学算法会成为一个新领域的发展基础：基于生物地理学的最佳化算法（BBO）。
马海平对BBO算法的迁入迁出模型进行了研究，Simon还进行了BBO算法的简化，提出了简化的BBO算法。同时对其进行了马可夫链分析。
经典实例
航空器健康评估感测器的选择问题，机器人路径规划，工程调度分配，经济负载分配等。
