新型果蝇优化算法的最佳熵阈值图像分割

为了解决传统的最佳熵阈值分割效率不足和稳定性差的问题.提出了一种新型的果蝇优化算法并对图像分割阈值进行优化.利用高斯采样对果蝇个体进行更新,在前期,由于果蝇分布较分散,可以增大跳出局部极值的机会.在寻优后期,果蝇种群分布较集中,可以进行更精准的搜寻.另外,充分利用往代果蝇迭代结果,产生学习因子,对后代果蝇寻优进行指导.实验证明,改进的算法在求解效率和求解精度上都取得了较大的进步,在对图像分割的应用中取得较其他算法更好的效果.

修正浓度与适应步长的果蝇优化算法

基本果蝇优化算法在寻优求解时浓度值只能为正,无法对浓度为负时达到最优的问题进行寻优。另外基本果蝇算法在寻优求解时,步长是随机的,这就容易使算法早熟,陷入局部最优解,算法的求解精度也不高。针对基本果蝇算法的这些问题,提出了一种修正浓度与适应步长的果蝇优化算法。该算法对果蝇得到的浓度值进行了修正,使味道浓度分布在整个正负寻优区间。在迭代时,充分利用果蝇群体已经进行的全局影响因素,对果蝇个体的搜寻距离进行适应性改变。为了验证该算法的效果,选用了几个常用的测试函数对该算法进行实验验证,结果表明,该算法不仅可以有效避免陷入局部最优,在寻优精度上也有一定提升。