收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

智能优化算法及其应用研究

刘琼  
【摘要】:智能优化算法具有全局的、并行高效的优化性能、鲁棒性、通用性强、无需问题特殊信息等优点,已经被广泛应用于计算机科学、优化调度问题、运输问题、组合优化问题、工程优化设计等众多领域并引起了国内国外学者的广泛关注,掀起了研究热潮。智能优化算法的典型代表基于微粒群优化算法以及克隆选择算法越来越多的受到人们的关注,尤其以这些算法的改进及算法在诸多领域的应用为研究热点,对算法性能的要求也越来越高,如何设计一个鲁棒性好,速度快,精确度高,性能稳定的智能优化算法问题仍是研究的重点。 本文主要针对智能优化算法及其应用领域--配准领域做了一些研究。主要研究的智能优化算法为QPSO算法以及改进的免疫克隆选择算法,并结合Hausdorff距离以及特征点抽取对不同传感器的图像进行配准,最后用实验验证了算法的性能以及有效性。具体内容如下: (1)由于图像配准是图像融合的一个重要步骤,为此提出了一种自动图像配准算法。该算法将两幅图像分别进行梯度特征变换,再用模糊聚类方法提取特征点,然后选用Hausdorff距离构造目标函数,量子粒子群优化算法(QPSO)来求解配准所需的仿射变换参数对特征点集进行匹配。实验结果表明,采用特征点来计算Hausdorff距离大大降低了运算量,而且基于Hausdorff距离的量子粒子群优化自动配准算法,无需点与点之间的直接对应,本文方法可用于两幅差异较大图像的配准,具有较强的鲁棒性,有较高的配准精度和较快的速度。 (2)由于传统的免疫克隆选择算法存在着收敛速度较慢且需在求解问题时提前设定参数的问题,本文在此基础上,添加了具有自适应变换的免疫概率以及克隆概率,并引入群体灾变思想,从而提出了无记忆库的自适应免疫克隆选择算法(AICA)。群体灾变算法可以使算法尽快摆脱迟钝状态,并使种群能够保持抗体多样性。自适应方法的应用不仅增强了免疫概率和克隆概率在求解问题时的灵活性,也可以使算法在进化初期有较强的全局搜索能力和较弱的局部搜索能力,并随着进化的进行,局部搜索能力逐步增强,全局搜索能力逐步减弱,从而能够找到全局最优点。由于AICA虽具有记忆功能,但只记忆一代数据,为了增加算法的记忆功能,本文又提出了在AICA的基础上添加记忆库算子的有记忆库的自适应免疫克隆选择算法(AICAM),加强了寻优能力。并应用于TSP问题进行性能检测,仿真实验结果表明,与传统的免疫克隆算法相比,本文算法有效克服了过早收敛问题,保持了抗体的多样性,而且收敛速度较快。 (3)由于改进的免疫克隆算法具有较快的收敛速度和较高全局搜索能力,本文将改进方法应用于多传感器的图像配准技术,并利用模糊聚类方法提取特征点,Hausdorff距离为搜索准则来进行图像配准,进一步的加快了对转换参数的搜索速度,以及提高了全局搜索能力。在图像差异较大,特征点相似度较低的情况下仍能求得较好的配准参数。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 蒋腾旭;;智能优化算法概述[J];电脑知识与技术(学术交流);2007年08期
2 王勇;蔡自兴;;“智能优化算法及其应用”课程教学的实践与探索[J];计算机教育;2009年11期
3 王梦兰;;智能优化算法的比较与改进[J];中国水运;2012年12期
4 莫愿斌;刘贺同;王勤;;智能优化算法的综述教学研究[J];科技创新导报;2008年13期
5 纪洁;顾伟;张松勇;;一种新型生物地理学智能优化算法及其比较研究[J];上海电力学院学报;2012年01期
6 于宏宇;;智能优化算法的应用研究[J];电脑编程技巧与维护;2012年20期
7 刘静;;浅析智能优化算法[J];计算机光盘软件与应用;2014年10期
8 吴春梅;;现代智能优化算法的研究综述[J];科技信息;2012年08期
9 常洪浩;冯祖仁;张兆军;徐明钊;;一种智能优化算法解质量评价方法[J];控制与决策;2013年11期
10 李广军;孙晓玲;赵炯;;智能优化算法及其在焊接优化设计领域的应用[J];电焊机;2011年06期
11 苏世雄;;智能优化算法应用研究[J];电脑编程技巧与维护;2014年06期
12 柏甫荣,秦永法;基于智能优化算法的设备布局设计[J];组合机床与自动化加工技术;2004年06期
13 温莹莹;荣晓飞;乔孟丽;;基于智能优化算法的运输优化问题研究[J];科技资讯;2006年09期
14 周雅兰;;智能优化算法的混合策略分析、设计和建模[J];计算机应用研究;2010年12期
15 沈继红;王侃;;一种基于光学原理的多目标智能优化算法[J];模式识别与人工智能;2012年06期
16 刘东波;黄道;陈玉娟;;模糊灰色智能优化算法在生产计划不确定规划中的应用[J];仪器仪表学报;2006年S1期
17 王辉;钱锋;;群体智能优化算法[J];化工自动化及仪表;2007年05期
18 许秋艳;;智能优化算法在聚类分析中的应用[J];科技信息(学术研究);2008年09期
19 刘闯;韩敏;邢军;;一种基于膜系统的全局智能优化算法[J];电子学报;2013年05期
20 王皓;;群智能优化算法——萤火虫算法[J];科技致富向导;2012年32期
中国重要会议论文全文数据库 前3条
1 张晓菲;张火明;高明正;;三种智能优化算法的研究进展[A];中国仪器仪表学会第十一届青年学术会议论文集[C];2009年
2 张火明;孙小丽;高明正;;智能优化平台设计[A];中国仪器仪表学会第十一届青年学术会议论文集[C];2009年
3 孙俊清;李平;韩梅;;装卸桥调度问题及其混合智能优化算法GASA[A];第二十六届中国控制会议论文集[C];2007年
中国博士学位论文全文数据库 前10条
1 杨劲秋;智能优化算法评价模型研究[D];浙江大学;2011年
2 丰小月;基于量子机制与组合方法的智能优化算法及应用研究[D];吉林大学;2008年
3 冯春时;群智能优化算法及其应用[D];中国科学技术大学;2009年
4 高永超;智能优化算法的性能及搜索空间研究[D];山东大学;2007年
5 邓武;基于协同进化的混合智能优化算法及其应用研究[D];大连海事大学;2012年
6 章敬东;复杂优化问题中智能算法的分析与集成[D];华南理工大学;2003年
7 殷巧玉;量子智能优化算法及其在电机优化应用中的研究[D];哈尔滨理工大学;2011年
8 薛羽;仿生智能优化算法及其应用研究[D];南京航空航天大学;2013年
9 李万庆;基于智能优化算法的施工项目风险预测与网络计划优化研究[D];天津大学;2004年
10 薛文涛;基于免疫的智能优化算法理论及应用研究[D];南京理工大学;2008年
中国硕士学位论文全文数据库 前10条
1 姜飞;混合智能优化算法及其应用[D];西安电子科技大学;2011年
2 赵霞;基于智能优化算法的期权定价模型参数估计[D];江南大学;2011年
3 杨进;求解城市交通连续网络设计问题的智能优化算法:比较与分析[D];北京交通大学;2008年
4 季艳芳;两种智能优化算法及其收敛性分析[D];华中科技大学;2011年
5 张汉强;人工鱼群混合智能优化算法及其应用研究[D];浙江大学;2010年
6 李高阳;群智能优化算法代理模型研究[D];吉林大学;2013年
7 韦苗苗;智能优化算法及应用的研究[D];山东大学;2006年
8 谭世恒;一种新型的群智能优化算法—细胞膜优化算法及其应用[D];华南理工大学;2011年
9 张亚坤;多目标三层文化智能优化算法及其在德士古气化炉操作优化中的应用[D];华东理工大学;2013年
10 李文杰;智能优化算法在织物动态仿真中的应用研究[D];浙江理工大学;2013年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978