猴群算法及其應用研究.pdf

1、猴群算法(MA)是最近提出的一種仿生類智能優(yōu)化算法,該算法源于對自然界中猴群爬山過程的模擬。它是一種簡單有效的隨機性全局優(yōu)化算法,因其具有參數(shù)少、尋優(yōu)能力強、能有效解決復雜問題等優(yōu)點,正逐漸成為進化計算研究領域的一大熱點。然而猴群算法在理論和實踐上都不夠成熟,還存在容易陷入局部極值點,尋優(yōu)精度低,收斂速度慢等缺陷。
　　本文針對基本 MA的上述問題,在深入研究其尋優(yōu)機制的基礎上,提出了一種改進的猴群算法(IMA)。設計了一種自適應

2、因子調(diào)整爬動步長,以提高算法的求解精度;設計了另一種自適應因子調(diào)節(jié)眺望視野長度,以加快算法的局部尋優(yōu)速度;引入模式搜索機制對當前最優(yōu)個體進行局部搜索,以進一步提高算法的求解精度;設計了一種學習因子控制猴子的學習力度并選擇當前猴王為支點執(zhí)行空翻操作,以充分發(fā)揮優(yōu)勢個體的引領作用,加快算法的收斂速度;引入小生境技術(shù)改進了空翻過程,以避免個體的趨同性,保持猴群的多樣性。實驗結(jié)果表明,相對于基本MA,IMA有效避免了算法早熟,提高了求解精度,加

3、快了收斂速度。
　　研究了圖像匹配的基本原理,選擇歸一化相關函數(shù)作為圖像模板匹配的相似性度量函數(shù),采用改進的猴群算法對匹配過程進行優(yōu)化,提出了一種基于IMA的圖像匹配方法。該方法利用IMA的非遍歷搜索機制和強大的全局尋優(yōu)能力迅速找到最佳匹配子圖,以實現(xiàn)圖像的快速準確匹配。實驗結(jié)果表明,該方法具有更快的匹配速度和更高的匹配成功率。
　　算法的參數(shù)設置是影響其性能的關鍵。在后續(xù)工作中,將研究算法參數(shù)設置的規(guī)律,進一步改善IMA的