融合改进头脑风暴与Powell算法的马铃薯多模态图像配准

基于热成像仪获取作物冠层温度可以实现作物水分胁迫状态的非接触式、无损检测,并且具有高通量检测的潜力。然而热红外图像存在作物边缘分布不清晰、噪声强、缺乏形状、纹理信息等问题,无法实现作物冠层温度自动化提取,利用可见光与热红外图像间的信息互补性,通过图像自动配准技术可以弥补热红外图像缺点,为自动化检测提供基础。为解决可见光图像与热红外图像之间辐射、形状和纹理差异,导致不同模态图像配准难度较大问题,该研究提出了一种融合改进头脑风暴(brain storm optimization algorithm,BSO)与Powell算法的可见光与热红外图像配准方法。研究通过对原始BSO优化算法进行改进使得整体算法更好寻找到最优仿射变换矩阵进而完成图像配准任务,具体改进包含以下5个方面:使用混沌映射函数初始化BSO群体分布、修改新个体变异范围、手肘法动态调整BSO中K-means聚类数、在个体变异方式策略中加入混沌本地搜索方法、在算法执行过程中根据BSO算法前期后期不同特性动态调整概率参数。研究选用互信息值(mutual information,MI)、归一化互信息值(normalized mutual information,NMI)、均方根误差(root mean square error,RMSE)和平均结构相似性指数(mean structure similarity index measure,MSSIM)作为评价指标。该研究算法相对比Powell优化算法、遗传算法(genetic algorithm,GA)和BSO_Powell算法在温室数据中MI指标分别提升0.054 2、0.076 9、0.040 5,NMI指标分别提升0.015 9、0.023 1、0.052 7,RMSE指标分别降低15.02、13.03、27.08,MSSIM指标分别提升0.052 3、0.048 8、0.122 4;大田数据中MI指标分别提升0.064 2、0.066 7、0.035 5,NMI指标分别提升0.007 7、0.012 5、0.012 4,RMSE指标分别降低14.06、10.57、15.40,MSSIM指标分别提升0.047 1、0.038 1、0.042 9。结果表明,所提出算法具有很强的鲁棒性,能够准确完成复杂环境下马铃薯多模态图像配准任务。

基于Powell搜索法的混合微粒群算法

利用Powell搜索法求解精度高、收敛速度快和局部搜索能力强等优点,本文提出了一种与Powell搜索法相结合的改进微粒群算法实践.改进算法将微粒的搜索过程分为两阶段,第一阶段,将PSO算法的速度公式改进后进行搜索;第二阶段,将第一阶段的最后一代微粒作为Powell搜索法的初始点,让Powell搜索法与PSO算法交替进行.这样既克服了PSO算法易陷入局部最优的缺点,也大大提高了算法的求解精度和收敛速度,同时保持了微粒的多样性.仿真结果表明:同PSO算法相比,Powell-PSO算法具有较高的求解精度和较强的寻优能力,并且不论是对单峰函数还是多峰函数都能取得很好的优化效果.

基于LES与Powell涡声理论的孔腔流激噪声数值模拟研究

孔腔流动中含有复杂的流体振荡,不但能够引起明显的噪声,而且会造成物体脉动压力和阻力的急剧增加,因而孔腔流动与流激噪声已经成为流声耦合研究领域的重要内容。文章首先对于Powell涡声理论进行了介绍,给出了涡声方程及其求解的详细推导过程,随后利用圆柱/机翼组合体与方腔流激噪声测试结果验证了计算方法的可靠性,最后采用大涡模拟方法结合Powell涡声方程数值计算了两型孔腔在不同水速下的流激噪声,并与中国船舶科学研究中心循环水槽试验结果进行了对比分析,结果表明数值计算方法能够较准确地预报孔腔流激噪声,并能展示孔腔内外涡旋结构。计算结果表明:在500 Hz以下的低频段,格栅1型孔腔的流激噪声显著高于格栅2型孔腔;在500 Hz-10 k Hz高频段,格栅2型孔腔流激噪声比格栅1型孔腔高,但随着流速的增高,两种孔腔流激噪声在高频段的幅值基本一致。这些现象与孔腔内的涡旋结构密切相关。文中对孔腔流激噪声的数值预报方法进行了验证,有益于理解孔腔非定常流动的物理机理,且为抑制孔腔流激噪声奠定了基础。

融合高斯变异和Powell法的花朵授粉优化算法

花朵授粉算法(flower pollination algorithm,FPA)是最近提出的一种新型群智能优化算法,由于其较好地解决了全局搜索和局部搜索的平衡性问题,且具有参数少,易实现等特点,已得到广泛应用和研究,但现有研究对其参数的研究较少,同时该算法也存在演化后期收敛速度慢且易陷入局部极小等缺陷,使其应用范围受到制约。为了提升FPA算法的整体性能,对其控制步长的缩放因子的取值进行了修正;提出了把高斯变异和Powell法融入到花朵授粉算法中的混合算法GMPFPA(flower pollination algorithm combination with Gauss mutation and Powell search method)。改进算法首先利用高斯变异对全局搜索进行扰动,增强种群的多样性,提高全局探测能力,然后引入局部寻优能力强大的Powell法提升其局部开发能力。通过12个高维经典测试函数对比实验,验证了改进算法的有效性和优越性。

改进的人工鱼群算法和Powell法结合的医学图像配准

针对目前基于互信息图像配准的局部极值问题,提出了一种改进的人工鱼群算法和Powell算法结合的多分辨率医学图像配准算法.该算法采用新的相似性测度方法即归一化模糊加权互信息和归一化局部能量加权匹配度,利用多分辨率策略采用HPV插值,并采用改进的人工鱼群算法结合Powell算法完成医学图像的配准.采用改进的人工鱼群算法在图像的最低分辨率上进行全局优化,以全局最优值为初始值,结合Powell算法完成图像配准.这不仅基本解决了互信息函数和Powell算法的局部极值问题,还减少了数据的处理量,加快了配准速度.实验结果表明,文中算法与其他经典的配准算法相比,提高了配准的精确度和性能.

基于多分辨率和Powell算法的医学图像配准

针对基于互信息和Powell算法存在局部收敛的问题,在改进的Powell算法的基础上,提出了一种基于多分辨率策略的医学图像配准算法。首先通过小波变换对源图像进行分层,然后在最低频带使用改进的Powell算法进行搜索,并利用搜索结果来指导上一层的搜索,逐层细化,由粗到细,最终实现图像的精确配准。实验结果表明,该方法较传统方法速度快、精度高、鲁棒性好,同时能有效避免局部收敛。

基于Powell算法与改进遗传算法的医学图像配准方法

针对基于互信息图像配准的局部极值问题,提出一种基于Powell算法与改进遗传算法结合的医学图像配准方法。该方法对标准遗传算法存在的收敛速度慢、易早熟、有可能导致误配的缺陷,提出了相应的改进策略;采用Logistic混沌映射生成迭代过程中的个体;运用基于小波变换的多分辨率分析策略,采用混合优化算法在图像的最低分辨率层进行全局优化,以全局最优值,结合Powell算法完成医学图像配准。实验结果表明,所提方法可有效避免优化算子陷入局部极值,并提高了配准速度;相对于纯Powell方法和未改进的遗传算法,配准的精确度和性能更好。

基于Powell局部搜索策略的全局优化布谷鸟算法

为了解决布谷鸟搜索算法后期收敛速度慢、求解精度不高、易陷入局部最优等缺陷,提出了一种基于Powell局部搜索策略的全局优化布谷鸟搜索算法。算法将布谷鸟全局搜索能力与Powell方法的局部寻优性能有机地结合,并根据适应度值逐步构建精英种群候选解池在迭代后期牵引Powell搜索的局部优化,在保证求解速度、尽可能找到全局极值点的同时提高算法的求解精度。对52个典型测试函数实验结果表明,该算法相比于传统的布谷鸟搜索算法不仅寻优精度和寻优率有所提高,并且适应能力强、鲁棒性好,与最新提出的其他改进算法相比也具有一定的竞争优势。

Powell法与BP法训练人工神经网络效果之比较

在机械设备的故障诊断中 ,常采用BP网络算法对故障进行诊断计算 ,但由于BP网络易于收敛于局部极小点 ,且在初始参数与网络结构选取不当时 ,网络将出现发散现象。为了克服这一缺陷 ,该文提出将神经网络优化算法应用于汽轮发电机组的故障诊断中 ,实现了神经网络权值和阈值的快速计算 ,并以汽轮发电机组的故障诊断为背景 ,将神经网络快速算法的结果与BP网络算法的结果进行比较 ,证明该方法不但比BP算法精度高且收敛速度快、可靠性好。

蚁群算法和Powell法结合的多分辨率三维图像配准

基于互信息的配准方法具有精度高,鲁棒性强的特点,成为近年来图像配准研究的热点。但基于互信息的目标函数存在许多局部极值,为配准的优化过程带来了很大的困难。该文提出了一种蚁群算法和Powell法相结合的多分辨率搜索优化算法。该算法以互信息作为相似性测度,采用基于小波变换的多分辨率策略,将蚁群算法与Powell法结合起来对三维的CT,MR图像进行了配准。实验结果表明,这种方法能够有效地克服互信息函数的局部极值,大大地提高了配准精度,达到亚像素级。

基于Fibonacci序列寻优理论薄壁弯箱材料常数的Powell优化识别

对于薄壁弯箱结构,推导了材料常数的动态Bayes误差函数,提出步长的一维Fibonacci序列自动寻优方案后,利用Powell优化理论研究了薄壁弯箱材料常数的动态识别方法,同时给出了具体的计算步骤,并研制了相应的计算程序.算例分析表明,Powell理论用于弯箱材料常数识别时表现出良好的数值稳定性和收敛性,在迭代过程中,Powell理论不涉及有限元偏导数处理,与以往材料常数的梯度优化方法相比,计算效率较高;建立的动态Bayes误差函数能同时计入系统参数的随机性和系统响应的随机性;提出的Fibonacci序列寻优方案无需通过试算确定最优步长所在区间,有效地解决最优步长的一维自动寻优问题.

Powell机械优化方法的改进

Powell优化方法是最经典最实用的,可称为基于寻优方向组的新方向取舍法。根据共轭方向的特点,主要进行了几点改进:沿最后一个基本方向寻优,并将其最优点作为第一轮寻优的初始点;必须沿新方向寻优并将其收入基本寻优方向组;与共轭性相关的寻优方向采用较小的终止条件值,其他方向只要更新当前点即可;根据与新方向的点乘积确定离开基本寻优方向组的旧方向。无论从计算量还是从存储量衡量,新算法都优于经典算法。文中给出了新算法的算法步骤和程序流程图,分析了算法特点,提供了C语言计算机程序,保证了研究结果的可重复性。二次二维目标函数和Rosenbrock目标函数的算例表明,新算法具有较好的寻优效果。对于多维优化问题,新算法更具优势。提出的算法可称为方向组不降维的构造共轭方向法。

求解连续空间优化问题的Powell蚁群算法

针对连续空间函数优化问题,提出了Powell蚁群算法.该算法把Powell方法嵌入蚁群算法的局部搜索,提高蚁群算法的搜索精度和收敛效率.全局搜索过程中,把传统蚁群算法中的信息素更新和蚂蚁的转移规则拓展到连续空间中,定义了相应的求解算法.通过对二维多极值非线性函数的寻优实例进行仿真,并与Powell方法的求解结果进行比较,证明该方法的有效性.

基于IPSO-Powell优化SVM的煤与瓦斯突出预测算法

针对基于支持向量机(SVM)的煤与瓦斯突出预测算法存在预测精度和可靠性不高,选择核函数时未考虑非线性数据的分类,对非线性分布的煤与瓦斯突出影响因素提取效果较差的问题,提出了一种将改进的粒子群(IPSO)算法与Powell算法相结合(IPSO-Powell)优化SVM的煤与瓦斯突出预测算法.首先通过灰色关联分析提取出煤与瓦斯突出主控因素,即瓦斯放散初速度、瓦斯压力、开采深度、瓦斯含量和煤体破坏类型,作为算法的输入样本;然后运用IPSO算法改善粒子群算法(PSO)的早熟收敛性,结合Powell算法进行局部搜索得到最优解,对SVM算法的惩罚系数和高斯核函数参数进行寻优,得到SVM的最优参数组合;最后将煤与瓦斯突出的主控因素输入到SVM中进行分类,并将其与实际测试集分类结果进行对比,实现煤与瓦斯突出预测.仿真结果表明:与SVM算法、GA-SVM算法、PSO-SVM算法相比,利用IPSO-Powell优化SVM算法进行煤与瓦斯突出预测,具有更高的预测精度,同时提高了SVM求解过程的运算效率,能同时满足煤与瓦斯突出预测的精度和可靠性要求,准确率达到95.9%.

改进头脑风暴优化算法与Powell算法结合的医学图像配准

针对现有医学图像配准算法精度较差、易陷入局部极值和收敛速度慢的问题,结合多分辨率分析,提出改进头脑风暴优化(MBSO)算法与Powell算法结合的图像配准算法。MBSO算法通过改变个体生成方式调节参与局部和全局搜索的个体比例,应用可变步长加强搜索能力,达到跳出局部最优和加速收敛的目的。首先,在低分辨率层利用MBSO算法进行全局搜索;然后,将搜索结果作为Powell算法的初始点在高分辨率层进一步搜索;最后,在原始图像层利用Powell算法搜索并定位全局最优值。与粒子群优化(PSO)算法、蚁群优化(ACO)算法、遗传算法(GA)与Powell算法结合算法相比,所提算法平均均方根误差分别减小了20.89%、30.46%和18.54%,平均配准时间分别缩短了17.86%、27.05%和26.60%,并且达到了100%的成功率。实验结果表明,所提算法具有很强的鲁棒性,能够快速、准确完成医学图像配准任务。

Powell搜索法和惯性权重非线性调整局部收缩微粒群算法的混合算法

提出一种求解无约束最优化问题的新的混合算法Powell搜索法和惯性权重非线性调整局部收缩微粒群算法的混合算法.该算法不需要计算梯度,容易应用于实际问题中.通过对微粒群算法的修正,使混合算法具有更加精确和快速的收敛性.首先利用20个基准测试函数进行仿真计算比较,计算结果表明,新混合算法在求解质量和收敛速率上都优于其他算法(PSO,GPSO和NM-PSO算法).其次,将新混合算法和最新的各种协同PSO算法进行分析比较.结果表明,新混合算法在解的搜索质量、效率和关于初始点的鲁棒性方面都远优于其他算法.

基于Powell法的GNSS卫星轨道拟合算法

针对GNSS导航信号模拟源中卫星轨道计算的高精度实时性要求,提出了一种基于Powell最优化理论的卫星轨道拟合算法。该算法将有限点卫星位置拟合问题转化为无约束极小值问题,使用最优化理论求解卫星轨道模型参数,从而可以方便计算任意时刻的卫星速度、加速度等高阶量。算例结果表明计算卫星星历时,位置误差小于1×10-4m,速度误差小于1×10-6m/s,计算量为广播星历直接计算的1/3;计算精密星历时,位置精度在2cm左右,拟合精度较拉格朗日插值算法提高了大约1倍。通过实际应用,充分验证了算法的有效性。

一种改进的Powell共轭方向算法

对Ｐｏｗｅｌｌ共轭方向优化算法提出一种改进策略。在采用改进算法逐次产生搜索方向时，搜索方向组不会变得近似线性相关，使搜索过程不至于被限制到变量空间的某个仿射子空间上。仿真实例表明，改进算法对于非二次函数的优化比Ｐｏｗｅｌｌ原改进算法更为有效的。

用并行遗传/Powell/蚁群混合算法求解卫星舱布局问题(英文)

卫星舱布局优化设计问题数学上属NP-hard问题.较有效的求解途径之一是研究混合算法,为此构造了并行混合PGA-Powell-蚁群算法(简称PGPAHA).该算法以并行遗传算法为基本框架,根据各子群体收敛速率的快慢来决定它们之间迁移的时机,在收敛后期加入Powell法作为并行遗传算法的算子来加快收敛速度,并利用蚁群优化算法提高计算的精度.最后应用该算法求解了简化的三维带性能约束的国际商用通讯卫星的卫星舱布局设计问题,数值实验结果表明,该算法与并行遗传算法(PGA)相比,在计算精度、计算效率及计算稳定性方面较优.

遗传算法对Powell图像配准方法的改进

针对Powell算法在搜索过程中具有初始值依赖和容易陷入局部极值的问题,提出了使用遗传算法改进Powell算法在图像配准中的应用。利用图像的归一化互信息作为遗传算法的适应度,全局、并行搜索图像配准参数作为Powell算法的初始值,再使用Powell算法局部逼近近似最优解。实验结果证明,改进后的Powell算法能有效地减少图像配准的时间,提高配准的精度,精度能达到亚像素级。