基于干擾因子的QPSO算法改進(jìn)及其應(yīng)用.pdf

1、群體智能算法是一種進(jìn)化類算法，是解決優(yōu)化問(wèn)題特別是復(fù)雜優(yōu)化問(wèn)題的有效手段。QPSO是具有全局收斂性的一種新的群體智能算法，并且許多實(shí)際應(yīng)用結(jié)果證明，QPSO優(yōu)于一般的粒子群算法(ParticleSwarmOptimization，簡(jiǎn)稱PSO)。因此，本文的研究?jī)?nèi)容對(duì)于群體智能的發(fā)展具有一定的學(xué)術(shù)意義和應(yīng)用價(jià)值。 本文首先闡述了傳統(tǒng)進(jìn)化算法-遺傳算法(GeneticAlgorithm，簡(jiǎn)稱GA)、群體智能算法中的粒子群算法(PSO

2、)和具有量子行為粒子群算法(Quantum-behavedParticleSwarmOptimization，簡(jiǎn)稱QPSO)，針對(duì)具有量子行為粒子群算法存在的早熟現(xiàn)象，提出了改進(jìn)的QPSO算法-基于干擾因子的量子粒子群算法(Quantum-behavedParticleSwarmOptimizationWithDisturbance)。 在改進(jìn)的OPSO算法中引入干擾因子，使得算法能夠持續(xù)地搜索解空間從而提高算法的全局收斂能力，

3、并且能夠有效地避免早熟的發(fā)生。在算法搜索過(guò)程中引進(jìn)了判斷基準(zhǔn)一早熟因子，同時(shí)對(duì)粒子群的早熟因子設(shè)置閾值，當(dāng)無(wú)效迭代高于該閾值時(shí)，采用干擾因子操作改變?nèi)后w的搜索空間，跳出局部收斂。通過(guò)幾個(gè)常用標(biāo)準(zhǔn)測(cè)試函數(shù)的測(cè)試表明，改進(jìn)的QPSO算法無(wú)論是算法性能還是算法穩(wěn)定性都優(yōu)于QPSO和PSO算法，因此可以得出以下結(jié)論：QPSO算法引入的干擾因子是解決算法早熟問(wèn)題的有效途徑。 其次，本文還研究了粒子群算法(PSO)和具有量子行為粒子群算法(

4、QPSO)在圖像插值中的應(yīng)用。圖像插值是數(shù)字圖像處理中的一項(xiàng)基礎(chǔ)性技術(shù)，有著廣泛的應(yīng)用?；赑SO算法和QPSO算法的圖像插值方法，是在以線性最小均方差(LMMSE)所形成的模型中尋找符合條件的最優(yōu)高分辨率圖像估計(jì)。圖像插值結(jié)果表明，將PSO和QPSO應(yīng)用于圖像插值中，能夠有效的保護(hù)邊緣銳化，抑制虛假信息；在相同迭代次數(shù)和粒子群規(guī)模的前提下，QPSO算法能夠得到比PSO算法更優(yōu)的插值圖像。因此，QPSO算法是解決圖像插值問(wèn)題的一種有效方