在大數(shù)據(jù)與人工智能時代,計(jì)算機(jī)科學(xué)技術(shù)的迅猛發(fā)展徹底改變了人們傳統(tǒng)的生活方式。為了提供更好的用戶體驗(yàn),解決諸如多媒體分類、目標(biāo)檢索、數(shù)據(jù)挖掘等工程實(shí)踐中的難題變得更加緊迫,此類問題通常可以轉(zhuǎn)化為高維、非線性的目標(biāo)函數(shù)優(yōu)化問題,通過求取目標(biāo)函數(shù)的最優(yōu)解來獲得最佳的解決方案。由于這些問題可能不可微且系統(tǒng)的實(shí)時性要求較高,使用傳統(tǒng)非線性優(yōu)化算法難以解決,因此,尋求更高效的優(yōu)化算法成為解決此類問題的關(guān)鍵。智能優(yōu)化算法的出現(xiàn)為這類問題提供了切實(shí)可行的解決方案,所以,對智能優(yōu)化算法的研究具有重要的理論價值和工程實(shí)踐意義。本文對智能優(yōu)化算法中的入侵性雜草優(yōu)化算法(Invasive Weed Optimization,IWO)進(jìn)行深入研究,針對其在高維問題中容易陷入局部優(yōu)解的缺陷,應(yīng)用分形全局最優(yōu)構(gòu)建策略加以改進(jìn);針對IWO算法無法求解決策變量可變的優(yōu)化問題,提出一種融合粒子群算法的多維IWO算法;為了進(jìn)一步提高多維IWO算法的收斂性,采用分形全局最優(yōu)構(gòu)建策略和向性生長策略對多維IWO算法加以修正。最后,將改進(jìn)的多維IWO算法應(yīng)用于非線性函數(shù)優(yōu)化問題以及圖像分割問題。實(shí)驗(yàn)結(jié)果表明,在非線性函數(shù)優(yōu)化問題中,改進(jìn)后的IWO算法能更快的收斂至全局最優(yōu)解;在無監(jiān)督圖像分割問題中,改進(jìn)后的多維IWO算法比多維粒子群算法的分割效果更好。
【學(xué)位單位】：西北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP18
【部分圖文】：

因而下文將重點(diǎn)介紹 PSO 和 IWO 算法的研究現(xiàn)狀。圖 1 群體智能研究內(nèi)容框圖1.4.1 PSO 算法國內(nèi)外研究現(xiàn)狀PSO 算法由于起源較早，因而相關(guān)的研究成果也較為豐富[26, 27]。在國內(nèi)，Gao 等人提出了一種選擇性通知粒子群算法(SelectiveInformParticleSwarmOptimisation，SIPSO)，該算法通過對密集連接的中心粒子區(qū)域進(jìn)行全局信息共享，而對于稀疏連接的非中心粒子只跟隨當(dāng)前周圍單個最優(yōu)粒子的方式，實(shí)現(xiàn)種群的選擇性信息共享，中心粒子保證種

Mahto 等人提出了一種將入侵雜草算法（IWO）和風(fēng)驅(qū)動算法（WindDation，WDO）相結(jié)合混合優(yōu)化算法，用于均勻線性陣列天線和非線性環(huán)形零陷方向圖合成，仿真實(shí)驗(yàn)結(jié)果表明該混合算法能夠在期望方向上形成更寬更小的旁瓣水平和更好的波束寬度及收斂速度[37]；Dastranj 等人提出了用 行超寬頻印刷天線設(shè)計(jì)的一般方法，實(shí)驗(yàn)結(jié)果表明，IWO 算法非常適合于超及其他通信系統(tǒng)的優(yōu)化設(shè)計(jì)[38]；Azizipour 等人采用 IWO 算法對水電站水庫進(jìn)行優(yōu)化，結(jié)果表明無論是在單水庫系統(tǒng)還是多水庫系統(tǒng)中，IWO 算法比 GA 算法都更為有效[39]。 2 顯示的是從 2006 年至 2017 年間，Google 學(xué)術(shù)上能夠檢索到的與 IWO 算的文獻(xiàn)數(shù)量，結(jié)合之前的研究現(xiàn)狀分析不難看出，無論是在理論層面，還是，IWO 算法都獲得了相關(guān)領(lǐng)域?qū)W者越來越多的關(guān)注[40, 41]。

21圖 4 MDIWO 算法流程圖小種子數(shù)minS ，種子正態(tài)擴(kuò)散過程中，非線性調(diào)制指數(shù) pow。幾個主要參數(shù)的定的位置分量；速度分量；體最優(yōu)維度分量；；前維度 xda(h)下的第 j 個位置分量；
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 歐陽普仁,楊叔子;一種改進(jìn)的Marple算法[J];南京理工大學(xué)學(xué)報(自然科學(xué)版);1988年01期

2 黃小蓓;隆永紅;;分布式數(shù)據(jù)庫管理系統(tǒng)中的並發(fā)控制——算法及其性能分析[J];計(jì)算技術(shù)與自動化;1988年02期

3 馮成進(jìn);;0—1規(guī)劃新算法的改進(jìn)[J];曲阜師范大學(xué)學(xué)報(自然科學(xué)版);1988年02期

4 曾秀;魏振華;;猴群算法及其改進(jìn)綜述[J];電腦知識與技術(shù);2017年32期

5 段艷明;肖輝輝;林芳;;新授粉方式的花授粉算法[J];計(jì)算機(jī)工程與應(yīng)用;2018年23期

6 崔光松;;煙花算法研究改進(jìn)綜述[J];電子世界;2018年10期

7 趙紅星;常小剛;;人工蜂群算法的改進(jìn)[J];計(jì)算機(jī)工程與設(shè)計(jì);2018年01期

8 王佩科;趙馳;;K-Means聚類算法的改進(jìn)和研究[J];數(shù)字通信世界;2018年09期

9 劉明輝;李煒;;基于knee points的改進(jìn)多目標(biāo)人工蜂群算法[J];計(jì)算機(jī)工程與應(yīng)用;2018年02期

10 矯德強(qiáng);�；搓�;;一種改進(jìn)蟻群算法在TSP問題上的應(yīng)用[J];科技與創(chuàng)新;2018年01期

相關(guān)博士學(xué)位論文 前9條

1 孫寧;人工免疫優(yōu)化算法及其應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2006年

2 陸楠;關(guān)聯(lián)規(guī)則的挖掘及其算法的研究[D];吉林大學(xué);2007年

3 胡銦;基于單目視覺的運(yùn)動目標(biāo)檢測與跟蹤算法研究[D];南京理工大學(xué);2008年

4 王玨;生物地理學(xué)優(yōu)化算法的研究及應(yīng)用[D];哈爾濱工程大學(xué);2013年

5 黃松;面向多應(yīng)用場景的粒子群優(yōu)化算法研究[D];江南大學(xué);2017年

6 安琦;信號偵收中的識別與分類理論與算法研究[D];電子科技大學(xué);2017年

7 周瑞紅;基于群智能優(yōu)化理論的聚類改進(jìn)方法及應(yīng)用研究[D];吉林大學(xué);2017年

8 王帥;機(jī)械加工生產(chǎn)調(diào)度過程的優(yōu)化設(shè)計(jì)及其應(yīng)用研究[D];華東理工大學(xué);2011年

9 樂丹;量子密鑰分發(fā)后處理關(guān)鍵技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 周賢泉;非監(jiān)督深度學(xué)習(xí)與優(yōu)化一體化算法及應(yīng)用研究[D];江南大學(xué);2018年

2 丁京禎;旅游景區(qū)動態(tài)游覽線路規(guī)劃算法研究[D];華中師范大學(xué);2018年

3 許凱波;蟻群算法的改進(jìn)及其在若干優(yōu)化問題中的應(yīng)用[D];江南大學(xué);2018年

4 周凌;濕蒸汽參數(shù)測量中Mie散射算法及反演算法的改進(jìn)[D];長沙理工大學(xué);2017年

5 高潁麗;粒子群優(yōu)化算法的改進(jìn)研究及應(yīng)用[D];長沙理工大學(xué);2017年

6 付雅晴;基于復(fù)雜網(wǎng)絡(luò)的社區(qū)檢測算法研究與實(shí)現(xiàn)[D];華南理工大學(xué);2018年

7 趙斯琦;基于Spark的大規(guī)模復(fù)雜網(wǎng)絡(luò)的社區(qū)發(fā)現(xiàn)算法的研究與改進(jìn)[D];吉林大學(xué);2018年

8 湯俊;基于退火算法的蛋白質(zhì)定量研究[D];華東師范大學(xué);2018年

9 李換;群智能算法在挖掘蛋白質(zhì)復(fù)合物中的應(yīng)用[D];陜西師范大學(xué);2018年

10 陳丹妮;基于蟻群算法的無人機(jī)作戰(zhàn)規(guī)劃[D];華南理工大學(xué);2018年

本文編號：2873637