自由搜索算法的改進(jìn)及其在圖像分割中的應(yīng)用.pdf

1、自由搜索算法是近年來提出的一種較新的群體智能優(yōu)化算法,其算法自身還有很大的研究空間,因此對自由搜索算法進(jìn)行有效的改進(jìn)仍然是目前學(xué)者研究的一個熱點。本文提出一種基于災(zāi)變策略的自由搜索改進(jìn)算法。該算法在群體進(jìn)行下一輪搜索之前進(jìn)行一次災(zāi)變判斷,符合災(zāi)變條件的個體將進(jìn)行相應(yīng)的災(zāi)變操作,將重新初始化下一輪搜索起點。從自然界規(guī)律上說該算法較基本的自由搜索算法具有更優(yōu)秀的全局搜索能力。將本文算法和現(xiàn)有的兩種性能最好的自由搜索改進(jìn)算法(自適應(yīng)搜索算法和

2、基于粗細(xì)粒交叉的自由搜索算法)進(jìn)行仿真對比,通過對三個基準(zhǔn)函數(shù)的優(yōu)化測試,仿真結(jié)果表明本文提出的算法在收斂精度和收斂速度上都要優(yōu)于現(xiàn)有的兩種改進(jìn)算法。
　　 基于最大熵的閾值法圖像分割的關(guān)鍵是找到一組合適的閾值向量,使得分割后圖像的總熵最大,而總熵恰恰是一個以閾值為自變量的多維函數(shù),在以往的閾值搜索中,存在精度不高的缺陷,鑒于自由搜索算法具有強大的搜索能力,本文提出了基于改進(jìn)自由搜索算法(即基于災(zāi)變策略的自由搜索算法)的最大熵閾