粒子群優(yōu)化算法的改進及其在圖像分割中的應用.pdf

1、粒子群優(yōu)化算法是一種受到鳥類和魚類群體活動的有規(guī)律的社會行為方式的啟發(fā)而得到的一種基于群體智能的啟發(fā)式的全局優(yōu)化算法。該算法的基本思想來源于對鳥類簡化社會模型的研究以及對其行為的模擬，其中每個個體都盡可能地使用自身以及群體的智能，不斷地進行學習并調整，最終獲得一個最優(yōu)解。該算法常用于求解組合優(yōu)化問題以及非線性問題等。因其具有控制參數少、易理解、易實現、收斂速度快、所需領域知識少等優(yōu)越性，所以該算法一經提出時就引來了眾多學者的廣泛關注，并

2、逐步成為了一個新的研究熱點，且成功地應用到了圖像分割、函數優(yōu)化、模式識別、神經網絡訓練等許多領域。
　　圖像處理中最為基礎和重要的組成部分是圖像分割，對圖像進行視覺分析和模式識別都是以圖像分割為基本前提的。所謂圖像分割指的就是根據灰度、紋理、形狀和顏色等特征把圖像劃分成各種不同特性的區(qū)域，并從中提取出所感興趣的目標區(qū)域的過程。
　　本文的主要工作如下：
　　(1)針對粒子在最優(yōu)解附近飛行的過程中所產生的振蕩現象，從物理

3、學的角度對算法的位置更新公式進行研究及改進，提出了基于飛行時間線性遞減的粒子群算法，進而使得算法的尋優(yōu)能力得到一定的改善，粒子在飛行過程中越過最優(yōu)位置所產生的振蕩現象的可能性也有所降低。
　　(2)針對粒子群優(yōu)化算法的易陷入局部極值以及效率問題改進了公式，提出了基于迭代方程的無速度PSO算法，該算法更加簡潔，大幅度地簡化分析和控制粒子的進化過程，而且使得算法更容易收斂。
　　(3)將飛行時間線性遞減的PSO算法和Otsu算法