細菌覓食優(yōu)化算法研究及其在圖像增強中的應用.pdf

1、近年來，傳統(tǒng)優(yōu)化方法在解決復雜實際工程最優(yōu)化問題時的弊端日益暴露，已無法適應多極值、難建模、多約束的問題需求，群智能優(yōu)化算法在此背景下提出并因其優(yōu)點得到快速發(fā)展。Pass ino于2002年受到大腸桿菌覓食行為的啟發(fā)，提出了細菌覓食優(yōu)化算法（BFO），它是一種簡單有效的隨機全局優(yōu)化算法，因其群體并行性及局部搜索能力強等優(yōu)點受到關注，為很多傳統(tǒng)優(yōu)化方法無法滿足的實際工程問題指明了新方向。然而，BFO算法提出的時間比較晚，還不夠完善，且國內

2、也是從2007年才開始研究，算法缺乏全局空間尋優(yōu)能力，且在求解高維多模態(tài)優(yōu)化問題時易陷入局部最優(yōu)，引起早熟收斂。因此，對該算法的深入研究亟待開展。
　　本文研究了細菌覓食優(yōu)化機制的原理，并針對經典BFO算法尋優(yōu)精度低、易陷入局部最優(yōu)等缺點，提出了一種改進算法——變概率的混合細菌覓食優(yōu)化算法（VPBFO）。采用隨機化佳點集方法生成初始種群及遷徙后的新個體，使菌群搜索空間更均勻、不重復，且保持了解空間的多樣性；受粒子群算法啟發(fā)，提出了

3、反映細菌個體認知及社會學習能力且變權重系數的趨化方向計算策略，結合變次數游動策略，提高了解的精度及算法的搜索效率；設計了一種變概率的遷徙操作，幫助菌群在整體停滯不前時快速跳出局部極值，而在菌群尋優(yōu)時則“不打擾”當前的進化機制及細菌已獲知的學習信息，避免發(fā)生精英細菌的“逃逸”現象，由此加快了算法的收斂速度，避免了早熟收斂。實驗結果表明，本文提出的VPBFO有效提高了算法性能，在全局收斂能力以及優(yōu)化精度和速度等方面均有了較大提升，表現更優(yōu)。

4、
　　研究了群智能優(yōu)化算法在工程最優(yōu)化問題的應用及圖像處理技術，針對現有灰度圖像增強技術細節(jié)處理不足，變換后圖像直方圖分布偏移的情況，提出了一種新的圖像增強思路。該思路將細菌覓食優(yōu)化映射到圖像增強問題中，用非完全Beta函數的參數組合作為初始菌群，將變高維的灰度圖像增強問題轉化為固定2維的非完全Beta函數的參數最優(yōu)化問題，同時在衡量圖像增強的效果時，引入一種新的目標函數評價算法性能。仿真實驗表明了本文方法的有效性，其增強后的圖像

5、與其它方法相比，細節(jié)表現更自然，直方圖分布更均勻，明暗區(qū)域分配更合理。
　　針對變概率的混合細菌覓食優(yōu)化算法，如何合理地選擇和調整控制參數是影響算法性能的關鍵；且在優(yōu)化高維函數時，改進算法在求解精度方面的表現仍有提高空間。后續(xù)工作將繼續(xù)研究算法參數設置的規(guī)律，同時進一步改善VPBFO的性能。另一方面，BFO算法提出較晚，其在工程最優(yōu)化方面還有很多尚未開發(fā)的領域，比如圖像恢復、彩色圖像增強、支持向量機等等，后續(xù)將嘗試將VPBFO應用