入侵性杂草优化算法的改进及应用

发布时间：2020-11-07 07:34

　　 在大数据与人工智能时代,计算机科学技术的迅猛发展彻底改变了人们传统的生活方式。为了提供更好的用户体验,解决诸如多媒体分类、目标检索、数据挖掘等工程实践中的难题变得更加紧迫,此类问题通常可以转化为高维、非线性的目标函数优化问题,通过求取目标函数的最优解来获得最佳的解决方案。由于这些问题可能不可微且系统的实时性要求较高,使用传统非线性优化算法难以解决,因此,寻求更高效的优化算法成为解决此类问题的关键。智能优化算法的出现为这类问题提供了切实可行的解决方案,所以,对智能优化算法的研究具有重要的理论价值和工程实践意义。本文对智能优化算法中的入侵性杂草优化算法(Invasive Weed Optimization,IWO)进行深入研究,针对其在高维问题中容易陷入局部优解的缺陷,应用分形全局最优构建策略加以改进;针对IWO算法无法求解决策变量可变的优化问题,提出一种融合粒子群算法的多维IWO算法;为了进一步提高多维IWO算法的收敛性,采用分形全局最优构建策略和向性生长策略对多维IWO算法加以修正。最后,将改进的多维IWO算法应用于非线性函数优化问题以及图像分割问题。实验结果表明,在非线性函数优化问题中,改进后的IWO算法能更快的收敛至全局最优解;在无监督图像分割问题中,改进后的多维IWO算法比多维粒子群算法的分割效果更好。
【学位单位】：西北大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP18
【部分图文】：

因而下文将重点介绍 PSO 和 IWO 算法的研究现状。图 1 群体智能研究内容框图1.4.1 PSO 算法国内外研究现状PSO 算法由于起源较早，因而相关的研究成果也较为丰富[26, 27]。在国内，Gao 等人提出了一种选择性通知粒子群算法(SelectiveInformParticleSwarmOptimisation，SIPSO)，该算法通过对密集连接的中心粒子区域进行全局信息共享，而对于稀疏连接的非中心粒子只跟随当前周围单个最优粒子的方式，实现种群的选择性信息共享，中心粒子保证种

Mahto 等人提出了一种将入侵杂草算法（IWO）和风驱动算法（WindDation，WDO）相结合混合优化算法，用于均匀线性阵列天线和非线性环形零陷方向图合成，仿真实验结果表明该混合算法能够在期望方向上形成更宽更小的旁瓣水平和更好的波束宽度及收敛速度[37]；Dastranj 等人提出了用 行超宽频印刷天线设计的一般方法，实验结果表明，IWO 算法非常适合于超及其他通信系统的优化设计[38]；Azizipour 等人采用 IWO 算法对水电站水库进行优化，结果表明无论是在单水库系统还是多水库系统中，IWO 算法比 GA 算法都更为有效[39]。 2 显示的是从 2006 年至 2017 年间，Google 学术上能够检索到的与 IWO 算的文献数量，结合之前的研究现状分析不难看出，无论是在理论层面，还是，IWO 算法都获得了相关领域学者越来越多的关注[40, 41]。

21图 4 MDIWO 算法流程图小种子数minS ，种子正态扩散过程中，非线性调制指数 pow。几个主要参数的定的位置分量；速度分量；体最优维度分量；；前维度 xda(h)下的第 j 个位置分量；
【相似文献】

相关期刊论文 前10条

1 欧阳普仁,杨叔子;一种改进的Marple算法[J];南京理工大学学报(自然科学版);1988年01期

2 黄小蓓;隆永红;;分布式数据库管理系统中的並发控制——算法及其性能分析[J];计算技术与自动化;1988年02期

3 冯成进;;0—1规划新算法的改进[J];曲阜师范大学学报(自然科学版);1988年02期

4 曾秀;魏振华;;猴群算法及其改进综述[J];电脑知识与技术;2017年32期

5 段艳明;肖辉辉;林芳;;新授粉方式的花授粉算法[J];计算机工程与应用;2018年23期

6 崔光松;;烟花算法研究改进综述[J];电子世界;2018年10期

7 赵红星;常小刚;;人工蜂群算法的改进[J];计算机工程与设计;2018年01期

8 王佩科;赵驰;;K-Means聚类算法的改进和研究[J];数字通信世界;2018年09期

9 刘明辉;李炜;;基于knee points的改进多目标人工蜂群算法[J];计算机工程与应用;2018年02期

10 矫德强;常淮阳;;一种改进蚁群算法在TSP问题上的应用[J];科技与创新;2018年01期

相关博士学位论文 前9条

1 孙宁;人工免疫优化算法及其应用研究[D];哈尔滨工业大学;2006年

2 陆楠;关联规则的挖掘及其算法的研究[D];吉林大学;2007年

3 胡铟;基于单目视觉的运动目标检测与跟踪算法研究[D];南京理工大学;2008年

4 王珏;生物地理学优化算法的研究及应用[D];哈尔滨工程大学;2013年

5 黄松;面向多应用场景的粒子群优化算法研究[D];江南大学;2017年

6 安琦;信号侦收中的识别与分类理论与算法研究[D];电子科技大学;2017年

7 周瑞红;基于群智能优化理论的聚类改进方法及应用研究[D];吉林大学;2017年

8 王帅;机械加工生产调度过程的优化设计及其应用研究[D];华东理工大学;2011年

9 乐丹;量子密钥分发后处理关键技术研究[D];哈尔滨工业大学;2016年

相关硕士学位论文 前10条

1 周贤泉;非监督深度学习与优化一体化算法及应用研究[D];江南大学;2018年

2 丁京祯;旅游景区动态游览线路规划算法研究[D];华中师范大学;2018年

3 许凯波;蚁群算法的改进及其在若干优化问题中的应用[D];江南大学;2018年

4 周凌;湿蒸汽参数测量中Mie散射算法及反演算法的改进[D];长沙理工大学;2017年

5 高颍丽;粒子群优化算法的改进研究及应用[D];长沙理工大学;2017年

6 付雅晴;基于复杂网络的社区检测算法研究与实现[D];华南理工大学;2018年

7 赵斯琦;基于Spark的大规模复杂网络的社区发现算法的研究与改进[D];吉林大学;2018年

8 汤俊;基于退火算法的蛋白质定量研究[D];华东师范大学;2018年

9 李换;群智能算法在挖掘蛋白质复合物中的应用[D];陕西师范大学;2018年

10 陈丹妮;基于蚁群算法的无人机作战规划[D];华南理工大学;2018年

本文编号：2873637