資源描述：
《細菌覓食優(yōu)化算法研究及其在圖像增強中的應(yīng)用》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、細菌覓食優(yōu)化算法研究及其在圖像增強中的應(yīng)用作者姓名周佳薇導(dǎo)師姓名、職稱姜建國教授一級學科計算機科學與技術(shù)二級學科計算機應(yīng)用技術(shù)申請學位類別工學碩士提交學位論文日期2014年11月學校代碼10701學號1203121683分類TN82號TP30密級公開西安電子科技大學碩士學位論文細菌覓食優(yōu)化算法研究及其在圖像增強中的應(yīng)用作者姓名：周佳薇一級學科：計算機科學與技術(shù)二級學科：計算機應(yīng)用技術(shù)學位類別：工學碩士指導(dǎo)教師姓名、職稱：姜建國教授提交日期：2014年11月ResearchonBacterialForagingOptimizationAlgorithmanditsA
2、pplicationinImageEnhancementAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinComputerScienceandTechnologyByZhoujiaweiSupervisor:Prof.JiangjianguoNovember2014西安電子科技大學學位論文獨創(chuàng)性（或創(chuàng)新性）聲明秉承學校嚴謹?shù)膶W風和優(yōu)良的科學道德，本人聲明所呈交的論文是我個人在導(dǎo)師指導(dǎo)下進行的研究工作及取得的研究成果。盡我所知，除了
3、文中特別加以標注和致謝中所羅列的內(nèi)容以外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果；也不包含為獲得西安電子科技大學或其它教育機構(gòu)的學位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的說明并表示了謝意。學位論文若有不實之處，本人承擔一切法律責任。本人簽名：日期：西安電子科技大學關(guān)于論文使用授權(quán)的說明本人完全了解西安電子科技大學有關(guān)保留和使用學位論文的規(guī)定，即：研究生在校攻讀學位期間論文工作的知識產(chǎn)權(quán)單位屬于西安電子科技大學。學校有權(quán)保留送交論文的復(fù)印件，允許查閱、借閱論文；學?？梢怨颊撐牡娜炕虿糠謨?nèi)容，允許采用影印、縮印或
4、其它復(fù)制手段保存論文。同時本人保證，獲得學位后結(jié)合學位論文研究成果撰寫的文章，署名單位為西安電子科技大學。保密的學位論文在年解密后適用本授權(quán)書。本人簽名：導(dǎo)師簽名：日期：日期：摘要摘要近年來，傳統(tǒng)優(yōu)化方法在解決復(fù)雜實際工程最優(yōu)化問題時的弊端日益暴露，已無法適應(yīng)多極值、難建模、多約束的問題需求，群智能優(yōu)化算法在此背景下提出并因其優(yōu)點得到快速發(fā)展。Passino于2002年受到大腸桿菌覓食行為的啟發(fā)，提出了細菌覓食優(yōu)化算法（BFO），它是一種簡單有效的隨機全局優(yōu)化算法，因其群體并行性及局部搜索能力強等優(yōu)點受到關(guān)注，為很多傳統(tǒng)優(yōu)化方法無法滿足的實際工程問題指明了新方向。
5、然而，BFO算法提出的時間比較晚，還不夠完善，且國內(nèi)也是從2007年才開始研究，算法缺乏全局空間尋優(yōu)能力，且在求解高維多模態(tài)優(yōu)化問題時易陷入局部最優(yōu)，引起早熟收斂。因此，對該算法的深入研究亟待開展。本文研究了細菌覓食優(yōu)化機制的原理，并針對經(jīng)典BFO算法尋優(yōu)精度低、易陷入局部最優(yōu)等缺點，提出了一種改進算法——變概率的混合細菌覓食優(yōu)化算法（VPBFO）。采用隨機化佳點集方法生成初始種群及遷徙后的新個體，使菌群搜索空間更均勻、不重復(fù)，且保持了解空間的多樣性；受粒子群算法啟發(fā)，提出了反映細菌個體認知及社會學習能力且變權(quán)重系數(shù)的趨化方向計算策略，結(jié)合變次數(shù)游動策略，提高了解
6、的精度及算法的搜索效率；設(shè)計了一種變概率的遷徙操作，幫助菌群在整體停滯不前時快速跳出局部極值，而在菌群尋優(yōu)時則“不打擾”當前的進化機制及細菌已獲知的學習信息，避免發(fā)生精英細菌的“逃逸”現(xiàn)象，由此加快了算法的收斂速度，避免了早熟收斂。實驗結(jié)果表明，本文提出的VPBFO有效提高了算法性能，在全局收斂能力以及優(yōu)化精度和速度等方面均有了較大提升，表現(xiàn)更優(yōu)。研究了群智能優(yōu)化算法在工程最優(yōu)化問題的應(yīng)用及圖像處理技術(shù)，針對現(xiàn)有灰度圖像增強技術(shù)細節(jié)處理不足，變換后圖像直方圖分布偏移的情況，提出了一種新的圖像增強思路。該思路將細菌覓食優(yōu)化映射到圖像增強問題中，用非完全Beta函數(shù)的
7、參數(shù)組合作為初始菌群，將變高維的灰度圖像增強問題轉(zhuǎn)化為固定2維的非完全Beta函數(shù)的參數(shù)最優(yōu)化問題，同時在衡量圖像增強的效果時，引入一種新的目標函數(shù)評價算法性能。仿真實驗表明了本文方法的有效性，其增強后的圖像與其它方法相比，細節(jié)表現(xiàn)更自然，直方圖分布更均勻，明暗區(qū)域分配更合理。針對變概率的混合細菌覓食優(yōu)化算法，如何合理地選擇和調(diào)整控制參數(shù)是影響算法性能的關(guān)鍵；且在優(yōu)化高維函數(shù)時，改進算法在求解精度方面的表現(xiàn)仍有I西安電子科技大學碩士學位論文提高空間。后續(xù)工作將繼續(xù)研究算法參數(shù)設(shè)置的規(guī)律，同時進一步改善VPBFO的性能。另一方面，BFO算法提出較晚，其在工程最優(yōu)化方
8、面還有很多
