混合水波优化算法的研究及应用
发布时间：2021-04-24 20:53
水波优化算法（Water Wave Optimization,WWO）1]是近年新提出的一种启发式优化智能算法。是由学者Zhang通过研究浅水波理论,从中得到启发,模拟水波的传播、碎浪和折射三种运动方式,使得水波能够在搜索空间内进行运动搜索,从而搜索到最优解的一种元启发式算法。WWO算法具有较好的性能,但水波优化算法本身存在着易于陷入局部最优,早熟收敛等不足,因此考虑引入改进的遗传算子,结合遗传算法和水波优化算法的优点,提出一种新型的混合算法模式,使混合算法具有更好的搜索能力,提高搜索精度的收敛速度,同时也可以避免陷入局部最优。本文以五种函数来验证混合算法,并将其与其它算法进行性能比较,对混合算法的有效性进行验证。同时将混合算法应用于图像匹配问题,提高了图像匹配的效率。工作主要有以下2点:1.本文提出一种水波优化算法和遗传算子的新型混合算法模式,首先对水波优化算法以及遗传算子本身进行改进。对水波优化算法引入混沌优化策略以减少初始化种群对算法优化性能的影响,同时,结合自适应参数更新机制,进一步改进算法;对遗传算子本身进行改进,提出一种依据适应度值的自适应策略,在提高遗传算子本身的同时,对...
【文章来源】：广西大学广西壮族自治区 211工程院校
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景与意义
1.2 研究现状
1.2.1 水波优化算法的研究现状
1.2.2 图像匹配的研究进展及应用
1.3 本文主要工作
1.4 论文结构
第二章 水波优化算法等相关概述
2.1 引言
2.2 水波优化算法
2.2.1 传播
2.2.2 碎浪
2.2.3 折射
2.2.4 WWO算法伪代码及算法流程图
2.3 遗传算子
2.3.1 选择算子
2.3.2 交叉算子
2.3.3 变异算子
2.4 本章小结
第三章 基于遗传算子的混合水波优化算法
3.1 引言
3.2 改进水波优化算法
3.2.1 混沌优化策略
3.2.2 参数改进
3.3 遗传算子的改进
3.3.1 改进选择算子
3.3.2 改进交叉算子
3.3.3 改进变异算子
3.4 混合水波优化算法设计
3.4.1 混合策略
3.4.2 基于水波优化和遗传算子的混合优化算法框架结构
3.5 算例实验结果分析与比较
3.5.1 实验环境
3.5.2 测试函数
3.5.3 参数设置
3.5.4 仿真实验结果
3.6 本章小结
第四章 混合算法解决图像匹配问题
4.1 引言
4.2 图像匹配概述
4.2.1 图像匹配分类
4.2.2 图像匹配内容
4.3 混合算法解决图像匹配问题
4.3.1 初始化设计
4.3.2 适应度函数的选择
4.3.3 算法终止条件
4.3.4 基于GAWWO算法的图像匹配方法设计
4.4 算例实验结果分析与比较
4.5 匹配结果与分析
4.6 本章小结
第五章 结论与展望
5.1 论文工作总结
5.2 课题研究展望
参考文献
致谢
【参考文献】：
期刊论文
[1]一种新的粒子群优化的图像匹配算法[J]. 王长清,朱进进,张佳伟. 现代电子技术. 2018(10)
[2]基于自适应控制参数的改进水波优化算法[J]. 刘翱,邓旭东,李维刚. 计算机科学. 2017(07)
[3]图像匹配的主要方法分析[J]. 郭倩茜. 科技创新与应用. 2016(20)
[4]水波优化算法收敛性分析[J]. 张蓓,郑宇军. 计算机科学. 2016(04)
[5]基于遗传算法的图像匹配算法研究[J]. 李红梅. 计算机与数字工程. 2013(11)
[6]粒子群遗传算法及其应用[J]. 刘成洋,阎昌琪,王建军,刘振海. 核动力工程. 2012(04)
[7]基于混沌序列的多种群入侵杂草算法[J]. 陈欢,周永权,赵光伟. 计算机应用. 2012(07)
[8]一种基于遗传算法改进的粒子群优化算法[J]. 潘勇,郭晓东. 计算机应用与软件. 2011(09)
[9]和声搜索算法研究进展[J]. 雍龙泉. 计算机系统应用. 2011(07)
[10]基于灰色关联分析和人工蜂群算法的图像匹配方法[J]. 何志明,马苗. 计算机技术与发展. 2010(10)
硕士论文
[1]细菌觅食优化算法研究及其在图像匹配中的应用[D]. 周美茹.西安电子科技大学 2014
[2]基于特征的图像匹配算法研究[D]. 郑刚.国防科学技术大学 2011
[3]混合粒子群优化算法及其在图像匹配中的应用研究[D]. 李小林.西安电子科技大学 2010
[4]基于灰度的图像匹配方法研究[D]. 饶俊飞.武汉理工大学 2005
本文编号：3158059
【文章来源】：广西大学广西壮族自治区 211工程院校
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景与意义
1.2 研究现状
1.2.1 水波优化算法的研究现状
1.2.2 图像匹配的研究进展及应用
1.3 本文主要工作
1.4 论文结构
第二章 水波优化算法等相关概述
2.1 引言
2.2 水波优化算法
2.2.1 传播
2.2.2 碎浪
2.2.3 折射
2.2.4 WWO算法伪代码及算法流程图
2.3 遗传算子
2.3.1 选择算子
2.3.2 交叉算子
2.3.3 变异算子
2.4 本章小结
第三章 基于遗传算子的混合水波优化算法
3.1 引言
3.2 改进水波优化算法
3.2.1 混沌优化策略
3.2.2 参数改进
3.3 遗传算子的改进
3.3.1 改进选择算子
3.3.2 改进交叉算子
3.3.3 改进变异算子
3.4 混合水波优化算法设计
3.4.1 混合策略
3.4.2 基于水波优化和遗传算子的混合优化算法框架结构
3.5 算例实验结果分析与比较
3.5.1 实验环境
3.5.2 测试函数
3.5.3 参数设置
3.5.4 仿真实验结果
3.6 本章小结
第四章 混合算法解决图像匹配问题
4.1 引言
4.2 图像匹配概述
4.2.1 图像匹配分类
4.2.2 图像匹配内容
4.3 混合算法解决图像匹配问题
4.3.1 初始化设计
4.3.2 适应度函数的选择
4.3.3 算法终止条件
4.3.4 基于GAWWO算法的图像匹配方法设计
4.4 算例实验结果分析与比较
4.5 匹配结果与分析
4.6 本章小结
第五章 结论与展望
5.1 论文工作总结
5.2 课题研究展望
参考文献
致谢
【参考文献】：
期刊论文
[1]一种新的粒子群优化的图像匹配算法[J]. 王长清,朱进进,张佳伟. 现代电子技术. 2018(10)
[2]基于自适应控制参数的改进水波优化算法[J]. 刘翱,邓旭东,李维刚. 计算机科学. 2017(07)
[3]图像匹配的主要方法分析[J]. 郭倩茜. 科技创新与应用. 2016(20)
[4]水波优化算法收敛性分析[J]. 张蓓,郑宇军. 计算机科学. 2016(04)
[5]基于遗传算法的图像匹配算法研究[J]. 李红梅. 计算机与数字工程. 2013(11)
[6]粒子群遗传算法及其应用[J]. 刘成洋,阎昌琪,王建军,刘振海. 核动力工程. 2012(04)
[7]基于混沌序列的多种群入侵杂草算法[J]. 陈欢,周永权,赵光伟. 计算机应用. 2012(07)
[8]一种基于遗传算法改进的粒子群优化算法[J]. 潘勇,郭晓东. 计算机应用与软件. 2011(09)
[9]和声搜索算法研究进展[J]. 雍龙泉. 计算机系统应用. 2011(07)
[10]基于灰色关联分析和人工蜂群算法的图像匹配方法[J]. 何志明,马苗. 计算机技术与发展. 2010(10)
硕士论文
[1]细菌觅食优化算法研究及其在图像匹配中的应用[D]. 周美茹.西安电子科技大学 2014
[2]基于特征的图像匹配算法研究[D]. 郑刚.国防科学技术大学 2011
[3]混合粒子群优化算法及其在图像匹配中的应用研究[D]. 李小林.西安电子科技大学 2010
[4]基于灰度的图像匹配方法研究[D]. 饶俊飞.武汉理工大学 2005
本文编号：3158059
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3158059.html
