粒子群優(yōu)化算法作為群智能優(yōu)化算法的典型代表,較其他群智能算法而言有參數(shù)簡單、易于實現(xiàn)、收斂速度較快等特點。但粒子群算法也存在著陷入局部最優(yōu)的問題,針對該問題,引入了兩種改進思路,研究了四種改進算法。通過標準測試函數(shù)對算法進行基本性能檢驗,最后將改進算法用于多閾值圖像分割,同時與原算法進行了對比仿真實驗。該研究的主要工作如下。首先,為了防止全局最優(yōu)粒子(gbest)對于其他粒子的過度影響,將粒子的維度信息均值作為了新的信息源,同時還能促進粒子各維度之間的信息交流。在粒子的更新公式選擇上,將以概率為準則的選擇方式擴展到以時間或迭代次數(shù)為準則的選擇方式,結(jié)合簡化粒子群來提高算法的收斂速度,最后得到了兩種改進算法概率層次簡化粒子群(PHSPSO)和時間層次簡化粒子群(THSPSO)。15個常用測試函數(shù)的仿真實驗結(jié)果表明兩種改進算法在基本函數(shù)上的表現(xiàn)較好,概率策略改進的算法表現(xiàn)最優(yōu)。其次,由于PHSPSO和THSPSO在某些測試函數(shù)上的尋優(yōu)能力還有進一步的提升空間,借鑒雁群啟示算法和擴展粒子群算法得到了基于雁群啟示的擴展粒子群算法(GeEPSO),使粒子能避免過度集中又能綜合其他粒子的信息。這種...

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究的背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文章節(jié)安排與研究內(nèi)容
第2章 融合維度信息均值的層次簡化粒子群算法
    2.1 粒子群優(yōu)化算法及其簡化
        2.1.1 粒子群算法基本原理
        2.1.2 粒子群算法參數(shù)設(shè)置
        2.1.3 簡化粒子群算法
    2.2 維度信息均值模型
    2.3 融合維度信息均值的層次簡化粒子群算法
    2.4 基準測試函數(shù)
    2.5 實驗仿真與結(jié)果分析
        2.5.1 粒子搜索過程
        2.5.2 參數(shù)選取
        2.5.3 實驗結(jié)果與分析
    2.6 本章小結(jié)
第3章 基于雁群啟示的擴展簡化粒子群算法
    3.1 基于雁群啟示的擴展粒子群算法
    3.2 基于雁群啟示的擴展簡化粒子群算法
    3.3 實驗仿真與結(jié)果分析
    3.4 本章小結(jié)
第4章 改進粒子群算法在多閾值圖像分割的應(yīng)用
    4.1 圖像分割
    4.2 改進粒子群優(yōu)化最大類間方差法
    4.3 圖像分割實驗與分析
        4.3.1 分割圖像質(zhì)量評價
        4.3.2 實驗結(jié)果與分析
    4.4 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果
致謝



本文編號：3744792