發(fā)布時間：2021-03-08 20:04

　　正余弦算法（SCA）是一種基于種群的新型優(yōu)化算法,因其結(jié)構(gòu)簡單,易于實現(xiàn),在一些優(yōu)化領(lǐng)域得到較好的應(yīng)用。但仍存在一些缺點,如收斂速度慢、易于陷入局部最優(yōu)解,應(yīng)用領(lǐng)域有待進一步拓展等。如何提高算法的整體性能,拓展其應(yīng)用領(lǐng)域,是發(fā)揮正余弦算法性能中關(guān)鍵一步。由于不同的進化操作方法,在提高算法性能中具有不同的作用,基于集成思想的優(yōu)化方法設(shè)計,成為近些年研究的熱點。本論文從操作方法和集成多種策略兩個方面出發(fā),以正余弦算法作為基本的優(yōu)化算法載體,研究基于集成策略的優(yōu)化算法,提高正余弦算法整體性能,并將研究的算法應(yīng)用于圖像的多閾值分割中,為圖像分割提供新的方法。論文的主要研究內(nèi)容如下:（1）針對基本SCA算法缺乏自適應(yīng)性,解決問題單一,提出了一種基于交叉變異機制的正余弦算法（ICMSCA）。該方法首先對SCA中的個體適應(yīng)度值進行排序,根據(jù)不同個體的自身情況,采用不同的交叉操作;在交叉策略中引入自適應(yīng)操作,以提高算法的自適應(yīng)性;最后根據(jù)不同個體不同維度采用自適應(yīng)變異操作,使算法的性能得到提高。在典型基準測試函數(shù)集上進行仿真實驗,驗證了改進SCA算法的性能。（2）針對基本SCA算法收斂速度慢,多樣性差... 

【文章來源】：淮北師范大學(xué)安徽省

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【部分圖文】：

改進算法流程圖

集成策略概率選擇法的流程圖

基于集成策略的正余弦算法及其應(yīng)用研究23其中，tijV是變異操作后產(chǎn)生的個體，tijX是還沒進行變異操作的個體。經(jīng)過大量的實驗驗證CR=0.9時，算法性能最好。該交叉策略大大增加了種群的多樣性，極大地降低了陷入局部極值的可能性。根據(jù)前面選擇的兩種交叉和兩種變異，現(xiàn)在將它們兩兩組合，形成新的效果，組合方式如圖3.2。按照這種組合方式，得到四個模塊，在算法中分別進行應(yīng)用。圖3.2交叉變異分模塊組合3.2.2分模塊集成策略框架PMSCA算法中，將兩種交叉方法和兩種變異方法兩兩組合，形成四個模塊，即變異1與交叉1組成一個模塊，變異1與交叉2組成一個模塊，變異2與交叉1組成一個模塊，變異2與交叉2組成一個模塊，這種局部范圍內(nèi)操作方法的組合打包，成為一個整體再作為整個算法的一種具體操作選擇策略，擴大了個體自身的更新格局，使每個個體充分進化，有利于提高算法的多樣性，很好的平衡了算法的局部搜索和全局開發(fā)能力。記這四個模塊中的每個模塊為操作一O1，操作二O2，操作三O3，操作四O4。依據(jù)在ESCA算法中集成多種變異策略的思路，集成這四個模塊。具體步驟如下：Step1：根據(jù)實際問題初始化種群及其對應(yīng)的參數(shù)；Step2：采用SCA算法的更新策略產(chǎn)生種群；Step3：對操作方法O1，O2，O3，O4進行編碼，針對第一代個體，每個個體以隨機等概率選擇四種操作，即P=1/4(3.12)

【參考文獻】：
期刊論文
[1]基于精英反向?qū)W習(xí)的煙花爆炸式免疫遺傳算法[J]. 韓江,閔杰.  合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版). 2020(04)
[2]基于鯨魚算法的森林火災(zāi)圖像多閾值分割[J]. 胡加鑫,賈鶴鳴,邢致愷,朱柏卓,張森,黃怡沁.  森林工程. 2018(04)
[3]基于精英混沌搜索策略的交替正余弦算法[J]. 郭文艷,王遠,戴芳,劉婷.  控制與決策. 2019(08)
[4]基于二維Renyi交叉熵的刀具磨損圖像分割[J]. 馬英輝,吳一全.  電子測量與儀器學(xué)報. 2016(12)
[5]引導(dǎo)小生境回溯優(yōu)化算法[J]. 王鵬,陳得寶,鄒鋒,李崢.  計算機工程與應(yīng)用. 2017(21)
[6]基于多目標人工魚群算法的硅單晶直徑檢測圖像閾值分割方法[J]. 劉丁,張新雨,陳亞軍.  自動化學(xué)報. 2016(03)
[7]改進的最小交叉Tsallis熵的小目標聲吶圖像分割[J]. 張金果,郭海濤,吳君鵬,李依桐.  吉林大學(xué)學(xué)報(工學(xué)版). 2014(03)
[8]基于螢火蟲算法的二維熵多閾值快速圖像分割[J]. 陳愷,陳芳,戴敏,張志勝,史金飛.  光學(xué)精密工程. 2014(02)
[9]基于區(qū)域特征分析的快速FCM圖像分割改進算法[J]. 徐少平,劉小平,李春泉,胡凌燕,楊曉輝.  模式識別與人工智能. 2012(06)
[10]基于交叉變異策略的雙種群差分進化算法[J]. 譚躍,譚冠政,伍雪冬.  計算機工程與應(yīng)用. 2010(18)

碩士論文
[1]遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)的聲吶圖像分割[D]. 畢盛楠.內(nèi)蒙古大學(xué) 2018
[2]差分演化算法的集成探索及其變異策略的改進與應(yīng)用[D]. 廖雄鷹.武漢科技大學(xué) 2018
[3]物體碰撞優(yōu)化算法及應(yīng)用研究[D]. 吳曉鵬.廣西民族大學(xué) 2018
[4]求解全局優(yōu)化問題的進化算法集成研究[D]. 牛勇永.中南大學(xué) 2014



本文編號：3071595