改進PSO算法及其應(yīng)用.pdf

1、粒子群算法(Particle Swarm Optimization，PSO)是一種新型的、基于迭代的進化計算方法，是由美國社會心理學Kennedy和電氣工程師Eberhart在1995年共同提出，其基本思想是受他們早期對鳥類群體行為研究結(jié)果的啟發(fā)。PSO算法具有概念簡明、實現(xiàn)方便、參數(shù)設(shè)置少、收斂速度快等優(yōu)點，近年來受到國內(nèi)外學者的廣泛的關(guān)注和研究。算法是非線性連續(xù)優(yōu)化問題、組合優(yōu)化問題、混合整數(shù)非線性優(yōu)化問題的有效優(yōu)化工具，目前已廣泛

2、應(yīng)用于函數(shù)優(yōu)化、神經(jīng)網(wǎng)絡(luò)訓練、模糊系統(tǒng)控制以及其他遺傳算法的應(yīng)用領(lǐng)域。在信號處理、模式識別、機器人活動規(guī)劃、系統(tǒng)設(shè)計、決策制定、工作調(diào)度、圖像分割、時頻分析等問題中的應(yīng)用亦均有報道。
　　 圖像增強是數(shù)字圖像處理的最基本的方法之一，它的主要目的有兩個：—是改善圖像的視覺效果，提高圖像的清晰度；二是將圖像轉(zhuǎn)換成一種更適合人眼觀察或計算機自動分析的形式。本文在研究粒子群算法基礎(chǔ)之上，對算法提出兩方面的改進，并將改進的AIPSO(Ad

3、aptive Inverse Panicle Swarm Optimization)算法應(yīng)用到灰度圖像自適應(yīng)的增強中。
　　 首先，本文闡述了數(shù)字圖像的一些基本概念、圖像增強的基本原理、方法和粒子群算法的基本思想，在此基礎(chǔ)之上，對算法提出了兩方面改進。一方面：由于PSO算法迭代公式中權(quán)重對算法的收斂性具有重要作用，較大的收斂速度更快，有利于全局搜索，但不易得到精確的解；較小有利于局部搜索，能得到更為精確的解，但收斂速度慢。針對目

4、前普遍采用的權(quán)重隨迭代次數(shù)線性遞減的選取策略，本文提出一種新的粒子收斂程度評價體系，針對不同的體系下的粒子提出不同權(quán)重更新策略；另一方面，源于對人們學習生活中學習方式的思考，本文提出了一種“遠離錯誤”的種群迭代方式。在具體應(yīng)用中，同時構(gòu)建兩群，一個群按照PSO算法思想進行更新，另一個群按照“遠離錯誤”的方式進行位置更新，每次迭代后兩群相互交換相信，共同完成優(yōu)化任務(wù)。文章接下來將AIPSO算法應(yīng)用到測試函數(shù)的仿真實驗當中，對比PSO算法，