單一的群智能算法在解決較為復(fù)雜的優(yōu)化問題時,都或多或少地受到自身或原理的限制,存在如下缺點:易陷入局部極值,產(chǎn)生早熟現(xiàn)象,泛化能力弱和結(jié)果精度不高等�；旌先褐悄軆�(yōu)化算法綜合考慮了算法之間的差異性和互補性,然后按照某種規(guī)則將兩種或多種群智能算法融合在一起或是將其他優(yōu)化思想引入單種群智能算法中,取長補短以實現(xiàn)信息的增值和優(yōu)勢互補,進而增強算法的整體優(yōu)化性能。本文研究混合改進鯨魚優(yōu)化算法和粒子群算法,并用于解決函數(shù)優(yōu)化、聚類分析和模糊聚類圖像分割問題。主要研究工作如下:(1)提出了一種具有Levy Flight特征的鯨魚優(yōu)化算法(LFWOA),通過在鯨魚收縮包圍獵物的過程中引入Levy飛行策略,提高了鯨魚優(yōu)化算法的全局搜索能力和收斂精度,有效跳出局部最優(yōu)區(qū)域。通過與WOA和其他兩種算法在13個測試函數(shù)中的仿真結(jié)果對比,證明LFWOA可以避免陷入局部最優(yōu),且收斂精度高。(2)考慮PSO和LFWOA間的差異性和互補性,根據(jù)算法融合思想,提出基于Levy飛行鯨魚群與粒子群并行融合的混合群智能算法(PS-LFWOA)。該算法采用并行機制實現(xiàn)協(xié)同優(yōu)化過程,并通過交叉、替換操作實現(xiàn)個體間的信息交互,以增加迭代后期群體多樣性,平衡算法的局部開發(fā)能力和全局探索能力。通過對23個基準函數(shù)測試仿真,驗證了混合算法在收斂速率、群體多樣性、穩(wěn)定性和收斂結(jié)果精度上均有提高。(3)提出了一種改進的鯨魚群模糊C-均值聚類算法,改進體現(xiàn)在四個方面:目標函數(shù)設(shè)計,綜合考慮了類內(nèi)緊湊性與類間分離性的關(guān)系;自適應(yīng)收斂因子,有效平衡鯨魚搜索過程的全局搜索和局部開發(fā)能力;交叉變異策略,提高算法收斂速率和增加種群多樣性;監(jiān)測機制,實現(xiàn)鯨魚算法與FCM間的動態(tài)結(jié)合。通過對5組數(shù)據(jù)集進行數(shù)據(jù)聚類,驗證了該混合算法獲得的聚類結(jié)果類內(nèi)緊湊,類之間分離較遠,且具有較高的聚類準確性和穩(wěn)定性。(4)針對FFCM算法對初始值設(shè)置敏感的問題,提出了一種基于鯨魚優(yōu)化的快速FCM圖像分割方法。該算法在鯨魚算法的搜索策略和收斂速度方面提出了改進措施,通過仿真實驗,驗證了該算法在解決圖像分割問題時能夠減少圖像信息的丟失,縮短尋找最優(yōu)聚類中心的時間,改善圖像分割效果。
【學位單位】：西安電子科技大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：TP18
【部分圖文】：

SIA 不必事先獲知問題的所有屬性，而是自行通過現(xiàn)有的信息進行搜索，并基勝劣汰的選擇策略不斷改進整個群體的品質(zhì)。（4）魯棒性強，易于其他算法結(jié)合SIA 采用分布式控制模式，容錯能力強，個體故障并不影響問題的解，可靠性高擴展性強，另外群體中個體之間采用特殊的交流方式進行合作，提高了算法的安和魯棒性。由于算法的控制參數(shù)少，不受問題自身性質(zhì)的限制，所以易與其他群算法結(jié)合或者直接引入其他優(yōu)化思想，產(chǎn)生新的優(yōu)化方法。2.1.1 粒子群算法粒子群優(yōu)化算法利用一種簡單的機制，模擬鳥群和魚群中的群集行為，引導(dǎo)粒找全局最優(yōu)解。Del Valle[32]等用分離(separation)、調(diào)整(alignment)和聚集(cohesio種簡單行為描述粒子群優(yōu)化過程，分別如圖 2.2 所示。其中，（a）分離，避免運程中與臨近個體相互碰撞；（b）調(diào)整，基于臨近個體的均值調(diào)整速度大小和方向c）聚集，改變當前位置向臨近個體靠近。

圖 2.4 座頭鯨的泡泡網(wǎng)覓食行為[5]食過程中能夠發(fā)現(xiàn)獵物，識別其位置并包圍它們。由置是未知的，所以在 WOA 中假定目標獵物或接近目選解中最優(yōu)的一個。圍機制：其他搜索代理在確定最佳搜索代理之后將更新自己當前位置。* *( 1) ( ) ( ) ( )i iX t X t A CX t X t示當前迭代次數(shù)，*X 是到目前為止獲得的最優(yōu)表示步長， A 和 C 的定義為：1A 2a r a

4f5f7f圖 2.7 單模測試函數(shù)立體圖表 2.2 多維多模測試函數(shù)函數(shù)名 公式 維數(shù) 范圍 最優(yōu)值Schwefel2.2681( ) ( sin )ni iif x x x 30/50 [-500,500] -418.982*Rastrigin291( ) [ 10cos(2 ) 10]ni iif x x x 30/50 [-5.12,5.12] 0Ackley2101 11 1( ) 20 20exp( 0.2 ) exp cos(2 ) n nj jj jf x e x xn n30/50 [-32,32] 0Griewank2111 1( ) cos( / ) 14000nniii ixf x x i 30/50 [-600,600] 0Penalized112 1112 2 211( ) 10sin( ) ( ,10,100, 4)( 1) [1 10sin ( )] ( 1)niini i nif x y xny y yn
【參考文獻】

相關(guān)期刊論文 前2條

1 蒲蓬勃;王鴿;劉太安;;基于粒子群優(yōu)化的模糊C-均值聚類改進算法[J];計算機工程與設(shè)計;2008年16期

2 殷曉明;顧幸生;;一種基于改進型遺傳算法的模糊聚類[J];華東理工大學學報(自然科學版);2006年07期

相關(guān)博士學位論文 前1條

1 王縱虎;聚類分析優(yōu)化關(guān)鍵技術(shù)研究[D];西安電子科技大學;2012年

本文編號：2837899