進化規(guī)劃在圖像稀疏分解中的應(yīng)用.pdf

1、進化規(guī)劃(EvolutionaryProgramming，EP)作為最早出現(xiàn)的進化算法分支之一，僅以變異作為產(chǎn)生子代個體的方式，操作簡單，易于并行實現(xiàn)，具有全局搜索能力強、待設(shè)定參數(shù)少、收斂速度快等優(yōu)點。但是盡管如此，該算法仍有一些不足，如單一變異算子可能導(dǎo)致算法后期搜索效率低下、對初始參數(shù)敏感以及算法“勘探”能力強但“開發(fā)”能力不足等問題，因此非常值得進一步研究。目前進化規(guī)劃在電力系統(tǒng)、樹型網(wǎng)絡(luò)設(shè)計、無線電通信系統(tǒng)等領(lǐng)域都取得了豐碩的

2、成果，但對于其在圖像處理領(lǐng)域中的應(yīng)用，研究者較少。因此，本文將進化規(guī)劃算法應(yīng)用到圖像稀疏分解中，利用進化規(guī)劃的優(yōu)良特性來搜索最優(yōu)原子，以快速實現(xiàn)對圖像的最優(yōu)逼近，不但較好地解決了圖像稀疏分解中計算復(fù)雜度高的問題，同時也拓展了進化規(guī)劃的應(yīng)用領(lǐng)域，具有很重要的實際意義。論文的主要工作及研究成果如下：
　　 1、將進化規(guī)劃用于圖像稀疏分解中并進行仿真實驗，實驗結(jié)果表明該方法能在較短時間內(nèi)以較少的原子個數(shù)實現(xiàn)圖像的最優(yōu)逼近，達到圖像稀疏

3、分解的目的，證實該算法是有效可行的。隨后對進化規(guī)劃在圖像稀疏分解中的三個主要參數(shù)(種群大小、進化代數(shù)和原子個數(shù))分別進行實驗分析和探討，為本文進一步研究中的參數(shù)選擇提供參考。
　　 2、將五種常見的進化規(guī)劃算法用于圖像稀疏分解中，并進行對比實驗，實驗結(jié)果表明性能比較優(yōu)越的三種算法在圖像稀疏分解的前中后期表現(xiàn)各有優(yōu)劣，根據(jù)此特點給出一種改進進化規(guī)劃算法--帶混合策略的雙層進化規(guī)劃。該算法在圖像稀疏分解的不同階段選用不同的EP算法，

4、并且針對EP“開發(fā)”能力不足的問題在每次迭代后產(chǎn)生的最優(yōu)原子鄰域中再進行內(nèi)層進化規(guī)劃，最后通過實驗證明該算法能更加快速有效的實現(xiàn)圖像稀疏分解，具有可行性與有效性。
　　 3、為了進一步使進化規(guī)劃在“開發(fā)”與“勘探”之間取得平衡，本文將差分進化算法引入到進化規(guī)劃中，給出一種基于差分進化算法和進化規(guī)劃的混合搜索算法，隨后將其用于圖像稀疏分解中，并與傳統(tǒng)進化規(guī)劃、差分進化算法以及前文給出改進進化規(guī)劃進行對比實驗，證明該算法能夠更快速地