基于正态云模型的自适应细菌觅食优化算法

在研究细菌觅食算法趋化、复制、迁徙操作等相关理论的基础上,将云模型和遗传算法相关理论引入,对细菌觅食算法进行优化和改进,在趋化操作中运用X条件云发生器自适应调整细菌灵敏度,控制游动步长,提高了算法的收敛速度;在复制操作中利用遗传算法交叉编译原理,设计交叉算子和遗传算子对算法的复制操作改进,提高算法的局部搜索能力和种群的多样性;在迁徙操作中,利用正向正态云发生器,修正非线性自适应的迁移概率,增强了算法全局寻优能力。最后将改进后的算法应用于自动组卷系统,并与遗传算法进行实验结果比较分析。     

一种自适应细菌觅食优化算法

针对在优化高维函数时,细菌觅食优化算法性能不佳的情况,提出了一种自适应细菌觅食优化算法.将固定的趋化步长改进为非线性递减的自适应游动步长,提高了算法的局部搜索能力;引入维度自适应学习算法,对每个趋化周期内得到的当前最优细菌进行维度自适应学习一次,提高了解的精度和搜索效率;将精英细菌作为Tent混沌映射的初始点对符合迁徙条件的细菌进行位置初始化,加快了算法的收敛速度.仿真结果表明,文中提出的算法在解的精度和收敛速度等方面均表现更优,具有更高的效率.     

基于DBSCAN聚类的细菌自适应步长觅食算法

自适应细菌觅食算法(adaptive bacterial foraging algorithm,ABFA)在一定程度上解决了经典觅食算法步长选择的问题,加快了算法的收敛速度.但随着细菌代价函数值的减小,自适应细菌觅食算法原有的趋化步长调整函数易使步长快速进入极小,造成算法早熟.本文提出了一种基于DBSCAN聚类的细菌自适应步长觅食算法(DBSCAN-based adaptive bacterial foraging algorithm,DBSCAN-ABFA),算法利用DBSCAN聚类对核心点区域的细菌进行标记,通过对被标记细菌采用改进的趋化步长调整函数,降低自适应步长的缩小速率来解决步长快速进入极小的问题,最终避免算法早熟,并通过实验验证了算法的有效性.     

基于细菌觅食算法的SAR图像阈值分割

提出了一种SAR图像阈值分割新方法.该方法在深入分析基本细菌觅食算法的基础上,缩小菌群的觅食空间以进一步提高分割阈值的搜索速度,然后采用改进的二维灰熵模型作为细菌觅食算法的适应度函数,通过菌群的趋化、复制和驱散3种行为模式并行搜索最佳阈值.实验结果初步显示,该方法在收敛速度、稳定性和分割效果3个方面,均优于基于遗传算法、人工鱼群算法等群体智能优化算法的分割方法.     

PCNN文本图像分割的细菌觅食优化算法

为解决脉冲耦合神经网络(pulse-coupled neural network,PCNN)模型参数人工凭经验和需要反复实验才能确定的难题,提出一种基于改进的PCNN模型.以最大类间方差函数作为细菌觅食算法的适应度函数,采用细菌觅食优化算法搜索最优参数的图像分割算法,避免了人工实验设定参数的盲目性.实验结果表明,该算法可以有效实现文本图像分割,并且分割效果明显优于对比算法.     

基于改进细菌觅食算法的无功优化

采用改进的细菌觅食(MBFO)算法求解电力系统无功优化问题,引入了步长递减的控制策略,改善了算法前期的全局搜索能力和后期的局部搜索能力;引入了SA-PSO变异算子,从而使个体可以相互交流,并从精英那里得到经验;引入遗传算法的交叉和赌盘选择,保护了精英个体,同时降低了解劣化的概率.以IEEE-30节点为例的算例结果表明,较其他几种优化方法而言,M BFO具有更快的收敛速度和更好的优化效果,故该算法在解决无功优化问题上可行且有效.     

基于TriBA结构和改进迁徙策略的并行遗传算法

为了提高并行遗传算法解决大规模问题的寻优效率,本文基于粗粒度并行遗传算法模型,提出了一种基于TriBA结构和改进迁徙策略的并行遗传算法,给出了TriBA并行遗传算法的分配策略和迁徙方式,并将改进的迁徙策略引入评价算子,通过评价算子,反映当前种群的局部收敛程度,当收敛程度满足设定的评价算子时,进行迁徙操作,并使用并行计算机对基于TriBA拓扑结构和改进迁徙策略的并行遗传算法进行模拟仿真.仿真结果表明,改进后的迁徙策略的并行遗传算法的寻优效率比传统迁徙策略的并行算法效率更高.该算法有效地提高了算法的寻优速度,增强了算法的寻优稳定性.     

求解柔性作业车间调度问题的细菌算法对比及改进

为充分探讨细菌系列算法求解离散优化问题的能力,针对柔性作业车间调度问题,采用细菌趋化算法、细菌群体趋化算法、细菌进化算法、细菌群游算法和细菌觅食优化算法进行求解.首先建立了以完成时间为目标的柔性作业车间调度问题模型,然后用5种细菌算法进行求解,数值试验结果表明:细菌觅食算法的寻优能力最强.接着,进一步对细菌觅食算法进行了改进,针对其关键操作设计了数十种算子,最终得到优化能力最强的算法结构和算子组合.最后的数值实验表明,改进的细菌觅食算法寻优能力及稳定性大幅提升,体现出非常好的全局开发能力和局部搜索能力.     

基于自适应遗传算法的激光图像处理

针对激光图像分割处理的问题,提出了一种基于自适应遗传算法的激光图像分割处理算法.该算法将自适应遗传算法与最大类间方差分割方法相结合,将图像类间方差作为适应度函数,利用交叉概率和变异概率动态调整自适应遗传算法求解最大类间方差的最优阈值.为了衡量该算法的处理效果,分别采用本文算法和最大类间方差图像分割算法对图像进行处理.结果表明,该算法的CI值为0. 417,能够对图像进行有效分割,且分割的准确性和运算速率均优于传统的最大类间方差分割方法,具有较高的实践价值.     

一种变步长LMS算法及仿真

虽然传统LMS算法拥有很多优点如方法简单、运算量小,但是由于固定步长的缘故,在解决稳态误差与收敛性之间的关系时始终处于矛盾状态,这也使的传统LMS算法始终具有收敛速度慢的特性。结合传统的LMS自适应滤波算法,在此基础上对步长因子进行了改进,将步长因子与误差因子间建立函数关系提出变步长LMS新的算法,并通MATLAB仿真,比较了改进后的算法与传统LMS算法,仿真结果显示改进后的算法明显在系统的收敛速度和稳态误差上有所提高。     

基于BFO-PSO的LT-MED海水淡化温度控制

提出一种基于混合粒子群算法和细菌觅食算法的温度控制器,重点研究了菌群优化粒子群（BFO-PSO）算法的性能,包括突变、交叉、步长变化、趋化步骤和细菌的生命周期等。利用MATLAB仿真平台将其与传统比例积分微分算法（PID）及粒子群算法（PSO）进行控制效果对比,发现该方法效率高。与传统PID和PSO调节的PID相比,细菌觅食优化算法的智能PID在系统响应速度和系统稳定性能上都有很大的提高。     

三维矩阵可变分割彩色图像压缩编码

针对基于三维矩阵宽离散余弦变换的彩色图像压缩方法通常采用的固定尺寸的子阵分割方案和固定尺寸的变换编码。由于图像的不同区域具有不同的统计特性,故采用固定尺寸的分割方案不能有效利用图像本身的相关性,提出了一种三维矩阵可变分割的彩色图像压缩编码方法。该方法采用可变分割的子阵分割方案和变尺寸三维矩阵宽离散余弦变换。首先计算图像的活动性,根据图像活动性的大小将被编码图像划分成不同大小的三维子矩阵。对不同大小的子矩阵分别采用相应尺寸的三维矩阵宽离散余弦变换。变换系数采用非均匀标量量化和熵编码。实验结果表明该方法的压缩性能在低比特率时远远优于JPEG方法,在压缩比相同的情况下,PSNR最多有超过2 dB的提高,主观质量也有提升。     

基于改进蚁群算法的智能车路径优化

用于自动泊车领域的AGV小车载质量大,对移动轨迹的平滑性与行走距离有更高要求。针对传统蚁群算法易死锁、囤余节点多与转向幅度不可控等问题,提出了一种改进蚁群算法。首先,在算法正式开始迭代前使用地图补偿函数对地图进行优化,降低死锁概率;其次,在对地图优化处理后,对地图进行了信息素浓度初始化,加快了算法收敛速度;最后,通过调整路径生成逻辑,实现算法自适应调整步长,提高了路径的平滑性,减少转向摆动。仿真结果表明：改进后的算法死锁现象减少,收敛速度更快,所生成的路径转向平滑,囤余节点数与总路径长度降低。     

基于改进的二维Otsu法及PSO的火灾图像分割

针对传统的二维灰度直方图区域划分误差大和运算速度慢等问题,提出一种基于二维直方图和粒子群优化的阈值分割算法,即改进的二维最大类间方差法的粒子群优化算法.利用该算法在二维灰度空间上自适应搜索最优阈值,根据最优阈值对图像进行分割.选取森林火灾火焰图像,对其进行图像分割仿真实验.实验结果表明,该算法的分割效果较好,具有很好的抗噪性能,可有效提高运算速度,且实时性较好.     

A method of automatic image segmentation for gas bubbles in water

This paper presents an algorithm of automatic bubble image segmentation using the improved ant colony optimization methodology. The ant colony optimization method is a metaheuristic algorithm, and has been applied in many fields. To reveal the versatility and appropriateness of automatic bubble image segmentation, the fuzzy clustering analysis method is employed in ant colony optimization algorithm. Compared with the well-known image feature extraction operators such as SUSAN and Canny, the proposed method can comparatively suitable to extract the gas bubbles image edge features. The experimental results show that the proposed method is effective and reliable, and can achieve satisfactory image edge extraction effect.     

基于全局优化的图像修复及其在GPU上实现

针对目前贪婪修复算法可能存在修复效果视觉不一致以及全局优化修复算法中未考虑结构信息的情况,提出一种新的基于全局优化的快速图像修复算法.通过定义出改进的能量函数,把图像修复问题转化为全局优化问题,并采用基于非局部均值的状态标签裁减算法,大幅度减少图中每个节点可能的状态标签数,从而大幅度降低优化算法复杂度;同时,利用图形处理器（GPU）进行加速,进一步提高了运算速度.与其他贪婪合成和最优化修复方法相比,该方法速度更快且较好地保持了纹理和结构的整体一致性.     

Improved gravitational search algorithm for shaped beam forming

In view of the adverse effect of the random initial value on the performance and convergence speed of the gravitation search algorithm, a quasi-oppositional gravity search algorithm (QOGSA) is proposed. The quasi-oppositional based learning OBL is embedded into the GSA algorithm, the number of iteration is divided into multiple learning cycle, the oppositional probability is adjusted according to the success rate of the past learning cycle, and an adjustable oppositional probability is designed to optimize the timing of the mechanism in the evolution, which improves the speed of the algorithm to search for the optimal solution greatly. On this basis, in order to improve the population diversity, elite particles are retained to the next generation population. They replace the particles with a poor fitness value and acquire a higher optimization accuracy. Compared with the existing algorithms in the literature, the optimization accuracy of the QOGSA for the average optimal value of the single-peak and multi-peak test functions can be improved by 1016. For the shaping results of different types of beam, the optimization accuracy of the improved algorithm for the sidelobe can be improved from 1.26dB to 5.99dB. On the premise of the fastest convergence speed, the QOGSA can greatly avoid the problem that other optimization algorithms tend to fall into local optimization, with the overall performance being the best.