水波優(yōu)化算法（Water Wave Optimization,WWO）1]是近年新提出的一種啟發(fā)式優(yōu)化智能算法。是由學(xué)者Zhang通過研究淺水波理論,從中得到啟發(fā),模擬水波的傳播、碎浪和折射三種運(yùn)動(dòng)方式,使得水波能夠在搜索空間內(nèi)進(jìn)行運(yùn)動(dòng)搜索,從而搜索到最優(yōu)解的一種元啟發(fā)式算法。WWO算法具有較好的性能,但水波優(yōu)化算法本身存在著易于陷入局部最優(yōu),早熟收斂等不足,因此考慮引入改進(jìn)的遺傳算子,結(jié)合遺傳算法和水波優(yōu)化算法的優(yōu)點(diǎn),提出一種新型的混合算法模式,使混合算法具有更好的搜索能力,提高搜索精度的收斂速度,同時(shí)也可以避免陷入局部最優(yōu)。本文以五種函數(shù)來驗(yàn)證混合算法,并將其與其它算法進(jìn)行性能比較,對混合算法的有效性進(jìn)行驗(yàn)證。同時(shí)將混合算法應(yīng)用于圖像匹配問題,提高了圖像匹配的效率。工作主要有以下2點(diǎn):1.本文提出一種水波優(yōu)化算法和遺傳算子的新型混合算法模式,首先對水波優(yōu)化算法以及遺傳算子本身進(jìn)行改進(jìn)。對水波優(yōu)化算法引入混沌優(yōu)化策略以減少初始化種群對算法優(yōu)化性能的影響,同時(shí),結(jié)合自適應(yīng)參數(shù)更新機(jī)制,進(jìn)一步改進(jìn)算法;對遺傳算子本身進(jìn)行改進(jìn),提出一種依據(jù)適應(yīng)度值的自適應(yīng)策略,在提高遺傳算子本身的同時(shí),對... 

【文章來源】：廣西大學(xué)廣西壯族自治區(qū) 211工程院校

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景與意義
    1.2 研究現(xiàn)狀
        1.2.1 水波優(yōu)化算法的研究現(xiàn)狀
        1.2.2 圖像匹配的研究進(jìn)展及應(yīng)用
    1.3 本文主要工作
    1.4 論文結(jié)構(gòu)
第二章 水波優(yōu)化算法等相關(guān)概述
    2.1 引言
    2.2 水波優(yōu)化算法
        2.2.1 傳播
        2.2.2 碎浪
        2.2.3 折射
        2.2.4 WWO算法偽代碼及算法流程圖
    2.3 遺傳算子
        2.3.1 選擇算子
        2.3.2 交叉算子
        2.3.3 變異算子
    2.4 本章小結(jié)
第三章 基于遺傳算子的混合水波優(yōu)化算法
    3.1 引言
    3.2 改進(jìn)水波優(yōu)化算法
        3.2.1 混沌優(yōu)化策略
        3.2.2 參數(shù)改進(jìn)
    3.3 遺傳算子的改進(jìn)
        3.3.1 改進(jìn)選擇算子
        3.3.2 改進(jìn)交叉算子
        3.3.3 改進(jìn)變異算子
    3.4 混合水波優(yōu)化算法設(shè)計(jì)
        3.4.1 混合策略
        3.4.2 基于水波優(yōu)化和遺傳算子的混合優(yōu)化算法框架結(jié)構(gòu)
    3.5 算例實(shí)驗(yàn)結(jié)果分析與比較
        3.5.1 實(shí)驗(yàn)環(huán)境
        3.5.2 測試函數(shù)
        3.5.3 參數(shù)設(shè)置
        3.5.4 仿真實(shí)驗(yàn)結(jié)果
    3.6 本章小結(jié)
第四章 混合算法解決圖像匹配問題
    4.1 引言
    4.2 圖像匹配概述
        4.2.1 圖像匹配分類
        4.2.2 圖像匹配內(nèi)容
    4.3 混合算法解決圖像匹配問題
        4.3.1 初始化設(shè)計(jì)
        4.3.2 適應(yīng)度函數(shù)的選擇
        4.3.3 算法終止條件
        4.3.4 基于GAWWO算法的圖像匹配方法設(shè)計(jì)
    4.4 算例實(shí)驗(yàn)結(jié)果分析與比較
    4.5 匹配結(jié)果與分析
    4.6 本章小結(jié)
第五章 結(jié)論與展望
    5.1 論文工作總結(jié)
    5.2 課題研究展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]一種新的粒子群優(yōu)化的圖像匹配算法[J]. 王長清,朱進(jìn)進(jìn),張佳偉.  現(xiàn)代電子技術(shù). 2018(10)
[2]基于自適應(yīng)控制參數(shù)的改進(jìn)水波優(yōu)化算法[J]. 劉翱,鄧旭東,李維剛.  計(jì)算機(jī)科學(xué). 2017(07)
[3]圖像匹配的主要方法分析[J]. 郭倩茜.  科技創(chuàng)新與應(yīng)用. 2016(20)
[4]水波優(yōu)化算法收斂性分析[J]. 張蓓,鄭宇軍.  計(jì)算機(jī)科學(xué). 2016(04)
[5]基于遺傳算法的圖像匹配算法研究[J]. 李紅梅.  計(jì)算機(jī)與數(shù)字工程. 2013(11)
[6]粒子群遺傳算法及其應(yīng)用[J]. 劉成洋,閻昌琪,王建軍,劉振海.  核動(dòng)力工程. 2012(04)
[7]基于混沌序列的多種群入侵雜草算法[J]. 陳歡,周永權(quán),趙光偉.  計(jì)算機(jī)應(yīng)用. 2012(07)
[8]一種基于遺傳算法改進(jìn)的粒子群優(yōu)化算法[J]. 潘勇,郭曉東.  計(jì)算機(jī)應(yīng)用與軟件. 2011(09)
[9]和聲搜索算法研究進(jìn)展[J]. 雍龍泉.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2011(07)
[10]基于灰色關(guān)聯(lián)分析和人工蜂群算法的圖像匹配方法[J]. 何志明,馬苗.  計(jì)算機(jī)技術(shù)與發(fā)展. 2010(10)

碩士論文
[1]細(xì)菌覓食優(yōu)化算法研究及其在圖像匹配中的應(yīng)用[D]. 周美茹.西安電子科技大學(xué) 2014
[2]基于特征的圖像匹配算法研究[D]. 鄭剛.國防科學(xué)技術(shù)大學(xué) 2011
[3]混合粒子群優(yōu)化算法及其在圖像匹配中的應(yīng)用研究[D]. 李小林.西安電子科技大學(xué) 2010
[4]基于灰度的圖像匹配方法研究[D]. 饒俊飛.武漢理工大學(xué) 2005



本文編號：3158059