仿生優(yōu)化算法在平版印刷專色配色及油墨預(yù)置中的應(yīng)用研究.pdf

1、近幾年來，人工智能技術(shù)得到了長(zhǎng)足的發(fā)展，特別是仿生優(yōu)化算法更是不斷涌現(xiàn)，仿生算法的提出大多是受自然界中生物群體行為的啟發(fā)，這些優(yōu)化算法的發(fā)展為復(fù)雜優(yōu)化問題的求解提供了有效的解決渠道。本文針對(duì)目前使用比較廣泛，同時(shí)也是比較典型的兩種仿生優(yōu)化方法（和聲搜索優(yōu)化算法和生物地理優(yōu)化算法），分析兩種算法各自的特點(diǎn)，引入局部搜尋機(jī)制，研究提高算法性能的方法與策略，并在此基礎(chǔ)上提出相應(yīng)的改進(jìn)算法，用于解決平版印刷中的實(shí)際問題。總的來講，本文主要的工作

2、內(nèi)容與相關(guān)研究成果可歸納如下:
　　(1)對(duì)仿生優(yōu)化算法的框架模型進(jìn)行了總結(jié)，給出了幾種常用的改進(jìn)策略和機(jī)制。在此基礎(chǔ)上，以生物地理優(yōu)化算法為例，提出了一種混合算法，該算法采用對(duì)立學(xué)習(xí)機(jī)制來產(chǎn)生較優(yōu)初始群體，引入和聲搜索算法中“調(diào)音”操作來提高其局部搜索能力，從而實(shí)現(xiàn)算法全局探索和局部開發(fā)能力的平衡，提高算法整體尋優(yōu)能力。為驗(yàn)證所提混合算法的性能，將其應(yīng)用于混沌系統(tǒng)的參數(shù)優(yōu)化估計(jì)。仿真分析分別以典型的無時(shí)滯混沌系統(tǒng)和時(shí)滯混沌系統(tǒng)為

3、對(duì)象，結(jié)果表明，在無噪聲和含噪聲條件下，所提混合算法可以得到比現(xiàn)有典型算法更好的參數(shù)估計(jì)結(jié)果，驗(yàn)證了所提算法的有效性和魯棒性。
　　(2)研究分析了平版印刷中專色油墨配色算法存在的問題，提出一種基于光譜的專色油墨配色模型。針對(duì)該配色模型配方計(jì)算過程中存在的問題，將其轉(zhuǎn)換為一帶多約束復(fù)雜優(yōu)化問題。在所提基于生物地理優(yōu)化的混合算法基礎(chǔ)上，進(jìn)一步引入約束處理機(jī)制，用于解決該優(yōu)化問題。實(shí)驗(yàn)通過隨機(jī)選取已知配方的測(cè)試樣本，與現(xiàn)有典型算法進(jìn)行

4、比較，結(jié)果表明，在所有測(cè)試樣本中，所提算法均表現(xiàn)出更優(yōu)的收斂性能。為了進(jìn)一步驗(yàn)證所提專色油墨配色模型的性能，將其與目前使用較為廣泛的FMⅢ配色軟件進(jìn)行比較，實(shí)驗(yàn)結(jié)果表明，在大部分測(cè)試樣本中，所提模型能得到比FMⅢ配色軟件精確更高的配方，相應(yīng)色差值也更小，并且所得結(jié)果的色差值均在允許規(guī)定范圍以內(nèi)。
　　(3)在分析平版印刷工藝及相應(yīng)輸墨系統(tǒng)特點(diǎn)的基礎(chǔ)上，提出了一種全局和聲搜索優(yōu)化的平版印刷油墨預(yù)置方法，該方法采用最小二乘支持向量機(jī)建