細(xì)菌覓食優(yōu)化算法研究及其在圖像增強(qiáng)中的應(yīng)用.pdf

1、近年來，傳統(tǒng)優(yōu)化方法在解決復(fù)雜實(shí)際工程最優(yōu)化問題時的弊端日益暴露，已無法適應(yīng)多極值、難建模、多約束的問題需求，群智能優(yōu)化算法在此背景下提出并因其優(yōu)點(diǎn)得到快速發(fā)展。Pass ino于2002年受到大腸桿菌覓食行為的啟發(fā)，提出了細(xì)菌覓食優(yōu)化算法（BFO），它是一種簡單有效的隨機(jī)全局優(yōu)化算法，因其群體并行性及局部搜索能力強(qiáng)等優(yōu)點(diǎn)受到關(guān)注，為很多傳統(tǒng)優(yōu)化方法無法滿足的實(shí)際工程問題指明了新方向。然而，BFO算法提出的時間比較晚，還不夠完善，且國內(nèi)

2、也是從2007年才開始研究，算法缺乏全局空間尋優(yōu)能力，且在求解高維多模態(tài)優(yōu)化問題時易陷入局部最優(yōu)，引起早熟收斂。因此，對該算法的深入研究亟待開展。
　　本文研究了細(xì)菌覓食優(yōu)化機(jī)制的原理，并針對經(jīng)典BFO算法尋優(yōu)精度低、易陷入局部最優(yōu)等缺點(diǎn)，提出了一種改進(jìn)算法——變概率的混合細(xì)菌覓食優(yōu)化算法（VPBFO）。采用隨機(jī)化佳點(diǎn)集方法生成初始種群及遷徙后的新個體，使菌群搜索空間更均勻、不重復(fù)，且保持了解空間的多樣性；受粒子群算法啟發(fā)，提出了

3、反映細(xì)菌個體認(rèn)知及社會學(xué)習(xí)能力且變權(quán)重系數(shù)的趨化方向計(jì)算策略，結(jié)合變次數(shù)游動策略，提高了解的精度及算法的搜索效率；設(shè)計(jì)了一種變概率的遷徙操作，幫助菌群在整體停滯不前時快速跳出局部極值，而在菌群尋優(yōu)時則“不打擾”當(dāng)前的進(jìn)化機(jī)制及細(xì)菌已獲知的學(xué)習(xí)信息，避免發(fā)生精英細(xì)菌的“逃逸”現(xiàn)象，由此加快了算法的收斂速度，避免了早熟收斂。實(shí)驗(yàn)結(jié)果表明，本文提出的VPBFO有效提高了算法性能，在全局收斂能力以及優(yōu)化精度和速度等方面均有了較大提升，表現(xiàn)更優(yōu)。

4、
　　研究了群智能優(yōu)化算法在工程最優(yōu)化問題的應(yīng)用及圖像處理技術(shù)，針對現(xiàn)有灰度圖像增強(qiáng)技術(shù)細(xì)節(jié)處理不足，變換后圖像直方圖分布偏移的情況，提出了一種新的圖像增強(qiáng)思路。該思路將細(xì)菌覓食優(yōu)化映射到圖像增強(qiáng)問題中，用非完全Beta函數(shù)的參數(shù)組合作為初始菌群，將變高維的灰度圖像增強(qiáng)問題轉(zhuǎn)化為固定2維的非完全Beta函數(shù)的參數(shù)最優(yōu)化問題，同時在衡量圖像增強(qiáng)的效果時，引入一種新的目標(biāo)函數(shù)評價算法性能。仿真實(shí)驗(yàn)表明了本文方法的有效性，其增強(qiáng)后的圖像

5、與其它方法相比，細(xì)節(jié)表現(xiàn)更自然，直方圖分布更均勻，明暗區(qū)域分配更合理。
　　針對變概率的混合細(xì)菌覓食優(yōu)化算法，如何合理地選擇和調(diào)整控制參數(shù)是影響算法性能的關(guān)鍵；且在優(yōu)化高維函數(shù)時，改進(jìn)算法在求解精度方面的表現(xiàn)仍有提高空間。后續(xù)工作將繼續(xù)研究算法參數(shù)設(shè)置的規(guī)律，同時進(jìn)一步改善VPBFO的性能。另一方面，BFO算法提出較晚，其在工程最優(yōu)化方面還有很多尚未開發(fā)的領(lǐng)域，比如圖像恢復(fù)、彩色圖像增強(qiáng)、支持向量機(jī)等等，后續(xù)將嘗試將VPBFO應(yīng)用