求解双目立体视觉的迭代多群体蚁群算法

作为典型的NP问题,双目立体视觉中的匹配一直是研究的热点。提出一种适于求解立体匹配问题的并行、迭代、基于信息反馈的多群体蚁群算法。该算法中子群体完成每个扫描行对应的子优化问题;协调者收集并分析所有子群体的结果,通过投票决定可能匹配的边缘,进而把这种信息转换成信息素传播给子群体,如此迭代直到优化结束。还讨论了双目立体匹配过程中的约束问题,并给出算法的收敛性证明和仿真实验。     

一种优于混沌优化的对分插值逼近算法

提出一种新的求解函数最优值的算法——对分插值逼近算法。该算法产生均匀分布于[a，b]区间的稠密点集，理论证明了该点集可以无限逼近[a，b]区间内的任何实数，且以概率1收敛于任何待优化函数的全局最优值。与混沌优化算法进行了比较，以一维、二维变量的仿真为例，结果表明，该算法在寻优过程中优于混沌优化算法。