細菌覓食優(yōu)化算法研究及其在圖像檢索中的應用.pdf

1、由于傳統(tǒng)優(yōu)化方法存在諸多不足,一些具有全局優(yōu)化性能且通用性強的群智能優(yōu)化算法被各領域廣泛的關(guān)注和應用。近幾年,部分學者開始嘗試對微生物的生理特性進行深入研究,并完成了建模仿真的工作,以此為基礎提出了細菌覓食優(yōu)化算法(BFO)。BFO算法原理簡單且算法有效性強,而且BFO算法中設置的遷徙操作能夠避免算法早熟。研究學者們對BFO算法進行了一定的研究,對算法的性能做出了一些改善,但算法的收斂速度依然較慢且收斂精度不高。因此,需要對該算法進行深

2、入研究。
　　本文針對當前BFO算法存在的問題,提出了一種采用混沌擾動策略的細菌覓食優(yōu)化算法(CDBFO)。針對算法初始種群分布不均勻的問題,采用數(shù)論中的佳點集來初始化細菌種群,保證細菌種群在搜索空間均勻分布,以此來增強細菌種群的多樣性,有效提高了算法的尋優(yōu)能力;針對算法在趨化操作中存在步長一致、尋優(yōu)速度慢的缺陷,將經(jīng)典BFO算法中固定的趨化步長修改為動態(tài)變化的趨化步長,根據(jù)趨化進程和細菌當前的適應值實現(xiàn)自適應的趨化步長的調(diào)整,使

3、算法能夠快速收斂;針對經(jīng)典BFO算法中復制操作導致種群多樣性下降等問題,將混沌和遺傳算法引入其中,使細菌種群的多樣性增加,尋優(yōu)精度也得到了提高。實驗表明,CDBFO的性能明顯優(yōu)于經(jīng)典BFO,有效地提高了算法的尋優(yōu)精度,加快了收斂速度。避免了算法早熟。
　　如今數(shù)字圖像在社會生產(chǎn)和生活的各個領域廣泛應用。如何快速地從大量的圖像信息中檢索出所需的圖像變得越來越重要。由于BFO算法具有算法簡單,魯棒性強,且適用于并行計算等特點,本文將C

4、DBFO算法應用于圖像檢索中。由于使用單一特征的圖像檢索技術(shù)在大多數(shù)情況下不能很好的表示圖像所包含的內(nèi)容,而融合了多種圖像特征的圖像檢索技術(shù)剛好能彌補這一缺陷。本文分別提取了圖像的顏色和形狀特征,并用具有不變性的矩向量來描述這些圖像特征,并采用改進的細菌覓食優(yōu)化算法進行圖像檢索。由實驗結(jié)果可以得出,本文提出的圖像檢索方法簡單有效,且檢索速度快。
　　在后續(xù)的研究工作中,將針對算法求解精度不高的問題,著重研究對算法遷徙操作的改進,從