版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、最優(yōu)化問題是工程實(shí)踐和科學(xué)研究中的主要問題形式之一,其中,僅有一個(gè)目標(biāo)函數(shù)的最優(yōu)化問題被稱為單目標(biāo)優(yōu)化問題,目標(biāo)函數(shù)超過一個(gè)并且需要同時(shí)處理的最優(yōu)化問題被稱為多目標(biāo)優(yōu)化問題(Multi-objective Optimization Problems,MOPs)。本論文對其前沿方向之一--人工免疫多目標(biāo)優(yōu)化模型進(jìn)行了深入分析,針對高維多目標(biāo)優(yōu)化問題、新型支配機(jī)制、自適應(yīng)克隆策略、高效的多樣性保持技巧等具有挑戰(zhàn)性的問題進(jìn)行了深入的研究,結(jié)合
2、國家自然科學(xué)基金項(xiàng)目、國家“973”項(xiàng)目和“863”計(jì)劃等,將提出的方法成功用于合成孔徑雷達(dá)(SyntheticAperture Radar,SAR)圖像分割難題。本論文工作可以概括如下:
(1)目標(biāo)維數(shù)較高的多目標(biāo)優(yōu)化問題的難點(diǎn)在于,隨著非支配解急劇增加,經(jīng)典算法由于缺乏足夠的選擇壓力導(dǎo)致性能急劇下降。為此,提出了基于偏好等級免疫記憶的克隆選擇多目標(biāo)優(yōu)化算法,用于解決目標(biāo)維數(shù)較高的優(yōu)化問題。利用決策者提供的偏好信息來為抗
3、體分配偏好等級,根據(jù)該值比例克隆抗體,增大抗體的選擇壓力,加快收斂速率。根據(jù)偏好信息來縮減Pareto前沿,并利用有限的偏好解估計(jì)該前沿。同時(shí),建立了免疫記憶種群來保留較好的非支配解,采用ε支配機(jī)制來保持記憶抗體種群的多樣性。實(shí)驗(yàn)結(jié)果表明,對于高達(dá)8目標(biāo)的優(yōu)化問題,該算法取得了較好的實(shí)驗(yàn)效果。
(2)新型支配機(jī)制的研究是進(jìn)化多目標(biāo)優(yōu)化領(lǐng)域中的熱點(diǎn)和難點(diǎn)之一,其中,ε支配最具代表性。但是,它的缺點(diǎn)在于對于不同幾何形狀Pare
4、to前沿的問題,其性能十分敏感。本論文提出了改進(jìn)ε支配機(jī)制的等度規(guī)映射方法,采用等度規(guī)映射把解映射到低維流形空間,發(fā)現(xiàn)隱藏于非支配解的幾何分布,在該空間進(jìn)行ε支配的剪枝操作。與傳統(tǒng)的ε支配相比,該機(jī)制不會(huì)丟失部分有效解,能夠較好地保持解分布的均勻性。為克服傳統(tǒng)ε支配丟失部分極端解的不足,設(shè)計(jì)了極端解校驗(yàn)算子。與四個(gè)代表的相關(guān)算法相比,本文提出的ε支配和極端解校驗(yàn)算子能夠較好地保持解分布的均勻性和寬廣性,明顯地改進(jìn)了傳統(tǒng)ε支配。
5、 (3)算法的效率與進(jìn)化搜索過程的自適應(yīng)性操作密切相關(guān)。傳統(tǒng)算法多一成不變地為所有個(gè)體建立非支配等級關(guān)系,帶來了計(jì)算資源的浪費(fèi)。本論文研究了基于在線非支配抗體的自適應(yīng)多目標(biāo)優(yōu)化算法,該算法根據(jù)當(dāng)前的非支配抗體數(shù)量,把搜索階段劃分為三個(gè)不同時(shí)期,它們分別具有局部搜索和全局搜索以及混合搜索特性。當(dāng)需要執(zhí)行全局搜索時(shí),為所有個(gè)體建立非支配等級關(guān)系;當(dāng)非支配抗體較多時(shí),即需要局部搜索時(shí),可以完全拋棄支配抗體,僅僅選取非支配抗體參與操作。此外
6、,為了較好地完成局部搜索,本章還設(shè)計(jì)一個(gè)基于比例克隆的局部增強(qiáng)搜索算法。本章算法明顯提高了搜索資源的利用率,增強(qiáng)了算法的自適應(yīng)性和有效性,克服了恒定地為所有個(gè)體排序的缺點(diǎn)。
(4)如何獲得穩(wěn)定而高效的免疫多目標(biāo)優(yōu)化算法?針對當(dāng)前免疫多目標(biāo)優(yōu)化算法搜索過程的不穩(wěn)定和多樣性保持質(zhì)量不高等缺點(diǎn),提出了基于自適應(yīng)等級克隆和動(dòng)態(tài)刪除機(jī)制的高效免疫多目標(biāo)優(yōu)化算法。自適應(yīng)地選擇個(gè)體和分配克隆資源增強(qiáng)了種群進(jìn)化的魯棒性,克服了傳統(tǒng)算法陷入
7、局部Pareto前沿的缺點(diǎn)。個(gè)體的近鄰信息會(huì)隨著個(gè)體的刪除而更新,傳統(tǒng)擁擠距離一次分配機(jī)制的多樣性指標(biāo)具有很大缺陷,而動(dòng)態(tài)的分配機(jī)制可以明顯克服該缺點(diǎn),利于較好地保持解的多樣性。本章算法在收斂性、多樣性保持和運(yùn)算時(shí)間均獲得滿意的實(shí)驗(yàn)結(jié)果。
(5)針對當(dāng)前單目標(biāo)SAR圖像分割中遇到的單個(gè)聚類指標(biāo)難于發(fā)現(xiàn)復(fù)雜像素分布關(guān)系的缺點(diǎn),結(jié)合多通道Gabor濾波和灰度共生矩陣對SAR圖像中的紋理信息進(jìn)行描述,首次提出了一種基于免疫多目標(biāo)
8、優(yōu)化的SAR圖像分割方法。多目標(biāo)優(yōu)化可以揭示復(fù)雜樣本特點(diǎn),對具有不同幾何結(jié)構(gòu)的分類問題均有較好的劃分性能。采用本論文第五章提出的高效人工免疫多目標(biāo)優(yōu)化算法作為本章SAR圖像精細(xì)分割算法依托框架。對于部分紋理圖像和ERS-2衛(wèi)星圖像取得了滿意的分割結(jié)果。實(shí)驗(yàn)結(jié)果展示了免疫多目標(biāo)計(jì)算在SAR圖像分割中的應(yīng)用潛力。
(6)針對當(dāng)前基于進(jìn)化計(jì)算的SAR圖像自動(dòng)分割算法的穩(wěn)定性較差和現(xiàn)有多目標(biāo)分割算法的效率不高等缺點(diǎn),提出了高效的人
9、工免疫多目標(biāo)像素域SAR圖像自動(dòng)分割算法。多目標(biāo)分割本質(zhì)上是離散的兩目標(biāo)優(yōu)化問題,為此,針對性地采用自適應(yīng)等級均勻克隆機(jī)制和動(dòng)態(tài)擁擠距離的刪除機(jī)制,后者雖然對于目標(biāo)維數(shù)較高的優(yōu)化問題的多樣性保持能力不足,但是對于兩目標(biāo)優(yōu)化問題,其計(jì)算量相對較小,且具有滿意的多樣性保持性能。此外,為了獲得分割圖像在細(xì)節(jié)方面的清晰識(shí)別,本章采用更為直接的SAR圖像斑點(diǎn)噪聲抑制算法,目的在于濾除斑點(diǎn)噪聲的同時(shí),保留更多的紋理和邊緣等細(xì)節(jié)信息,有利于感興趣目標(biāo)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于人工免疫系統(tǒng)的偏好多目標(biāo)優(yōu)化.pdf
- 基于人工免疫系統(tǒng)的多目標(biāo)優(yōu)化算法和偏好多目標(biāo)決策.pdf
- 基于EDA和人工免疫系統(tǒng)的混合多目標(biāo)優(yōu)化算法.pdf
- 基于人工免疫系統(tǒng)的多目標(biāo)進(jìn)化算法的研究.pdf
- 基于人工免疫系統(tǒng)的最大熵圖像分割算法及圖像跟蹤系統(tǒng)的研究.pdf
- 基于人工免疫系統(tǒng)的函數(shù)優(yōu)化問題研究.pdf
- 基于人工免疫網(wǎng)絡(luò)的圖像分割.pdf
- 基于人工免疫系統(tǒng)的自然圖像分類算法與技術(shù)研究.pdf
- 基于人工免疫系統(tǒng)的醫(yī)學(xué)圖像配準(zhǔn)算法研究.pdf
- 基于人工免疫系統(tǒng)的推薦系統(tǒng)研究.pdf
- 基于人工免疫系統(tǒng)的木馬檢測研究.pdf
- 人工免疫系統(tǒng)研究與應(yīng)用.pdf
- 基于人工免疫系統(tǒng)的多源遙感圖像配準(zhǔn)研究.pdf
- 基于人工免疫系統(tǒng)和內(nèi)容的自然圖像分類技術(shù)研究.pdf
- 人工免疫系統(tǒng)理論及免疫克隆優(yōu)化算法研究.pdf
- 基于人工免疫系統(tǒng)控制方法的研究.pdf
- 基于人工免疫系統(tǒng)的多策略入侵檢測系統(tǒng).pdf
- 多目標(biāo)人工免疫算法及其在無功優(yōu)化中的應(yīng)用.pdf
- 基于人工免疫系統(tǒng)的帶鋼表面缺陷檢測技術(shù).pdf
- 基于人工免疫系統(tǒng)的信息過濾技術(shù)研究.pdf
評論
0/150
提交評論