动态透镜成像学习人工兔优化算法及应用

针对基本人工兔优化(Artificial Rabbits Optimization, ARO)算法在解决复杂优化问题时存在收敛慢、精度不高和容易陷入局部最优等缺陷,本文提出一种改进的ARO算法(记为IARO算法)。IARO算法中的基于正弦函数的非线性递减能量因子能够帮助算法实现从探索阶段到开发阶段的良好过渡,从而提高算法的收敛速度和解的质量。此外,为了提高算法跳出局部最优的概率,IARO算法引入了一种动态透镜成像学习策略。为了证明IARO算法的优越性,首先选取了6个基准测试函数进行数值实验,然后用其求解2个工程设计优化问题和1个包括15个数据集的特征选择问题,并与灰狼优化(GWO)算法、鲸鱼优化算法(WOA)、正弦余弦算法(SCA)和基本ARO算法进行对比。结果表明,IARO算法有着比其他对比算法更优越的性能。

一种基于算术运算和透镜成像学习策略的改进灰狼优化算法

针对基本灰狼优化算法收敛速度慢,易陷入局部搜索的情况,提出一种基于算术运算和透镜成像学习策略的改进灰狼优化算法。该算法在基本灰狼优化算法的基础上,引入算术优化算法的乘除算子,利用带透镜成像的反向学习策略增强最优个体的多样性,增强算法的全局探索能力,提高收敛速度。对比实验结果表明,改进的灰狼优化算法具有收敛速度快、易跳出局部寻优状态,在30个基准测试函数的求解中获得了28个测试函数的最优均值,并且求解质量及普适性均优于最新的几种对比算法。

透镜成像反向学习的精英池侏儒猫鼬优化算法

侏儒猫鼬优化算法(dwarf mongoose optimization,DMO)是新提出的一种元启发式算法,该算法具有较强的全局探索能力和稳定性,但由于原始算法中仅依靠雌性首领带领整个猫鼬种群进行搜索,会产生收敛速度较慢、易陷入局部最优以及探索阶段与开发阶段之间的平衡较差等问题。针对上述问题,提出一种融合透镜成像反向学习的精英池侏儒猫鼬优化算法(improved dwarf mongoose optimization,IDMO),采用透镜成像反向学习策略,避免算法在迭代过程中陷入局部最优,增强算法的探索能力;在阿尔法组觅食时引入精英池策略,提高了算法的收敛精度,进一步增强算法探索能力。通过基准测试函数进行实验,表明IDMO算法具有良好的寻优性能和鲁棒性,且算法收敛速度得到显著提升。通过对汽车碰撞优化问题的求解,进一步验证了IDMO算法具有良好的适用性和有效性。

融合动态小孔成像的鲸鱼优化算法

针对鲸鱼优化算法容易陷入局部最优和收敛精度低等缺点,提出了一种融合动态小孔成像策略的改进鲸鱼优化(DPIWOA)算法。动态小孔成像策略与普通的反向学习策略相比,可以产生更多样化的对立点,使用该策略可以加快算法的收敛速度和提高收敛精度,同时也可以避免算法在迭代过程中陷入局部最优。通过23个基准测试函数的实验结果表明,DPIWOA在收敛速度和寻优精度等方面均有提升,验证了改进策略的有效性和实用性。

透镜成像反学习策略在粒子群算法中的应用

在PSO中引入反向学习策略(Opposite-Based Learning)可使粒子在搜寻过程中总能找到当前解的反向位置,增加了接近全局最优解的机会.然而,OBL仅在演化初期作用显著,在演化后期则需通过变异等手段来提高其"开发"能力.针对该问题,基于透镜成像原理,引入缩放因子和搜索半径两个可调参数进一步平衡了算法的"探索"和"开发"能力.实验表明该策略能够提高种群多样性和收敛性能.

融合互利共生和透镜成像学习的HHO算法

针对哈里斯鹰优化算法收敛速度慢、易陷入局部最优的问题,提出一种融合互利共生和透镜成像学习的哈里斯鹰优化算法(improved Harris hawks optimization,IHHO)。利用Tent混沌映射初始化种群,增加种群多样性,提高算法寻优性能;在探索阶段融入一种互利共生思想,并引入非线性惯性因子,以增强种群信息交流,加快算法收敛速度;提出一种透镜成像反向学习策略,对哈里斯鹰位置以一定概率进行扰动变异,提高算法跳出局部最优的能力。通过16个基准测试函数进行仿真实验,结果表明,IHHO与其余5种算法相比,收敛速度更快,寻优精度更高;鲁棒性更强。同时,将IHHO应用于图像分割问题中,仿真实验验证了该算法在实际工程应用中的可行性。

用口诀处理凸透镜成像动态问题

凸透镜成像问题是初中光学学习中的难点之一，特别是这类题目中的焦距f，物距u、像距v发生改变引起的物、像性质改变的问题的判断，更因多个因素的互动呈现出的动态变化的特点，所以历来是大家普遍感到困难的问题。在教和学的实践中，我指导同学运用口诀巧记凸透镜成像规律，并用来解决其动态变化问题，效果较好。

动态问题中的成像规律

在学习完凸透镜成像规律后,怎样利用这规律去解决与此相关的问题,特别是分析凸透镜成像时的动态规律问题,一直是学生学习的盲区,学生不能准确理解物体在运动时物距、像距、像等大小变化问题,下面就列举有关问题与大家共同探讨：

改进?鱼优化算法和熵测度的图像多阈值分割

针对传统图像多阈值分割方法存在效率低、分割质量差等问题,提出一种改进?鱼优化算法并结合熵测度(weight lens remora optimization algorithm,WLROA)的图像多阈值分割方法。针对?鱼优化算法易陷入局部极值等缺陷,引入透镜成像反向学习策略,生成透镜反向解来增加种群多样性,进而提高算法跳出局部极值能力;提出一种自适应权重因子,对个体位置进行自适应扰动,提高算法探索能力。以最小化交叉熵作为优化目标,利用WLROA确定最小交叉熵并获得相应分割阈值。选取部分伯克利大学分割数据集图像和遥感图像测试提出算法的分割性能,测试结果表明,WLROA与其他知名算法相比具有更好的分割效果,能够有效实现复杂图像的精确处理。

改进矮猫鼬优化算法的特征选择

将矮猫鼬优化(DMO)算法与学习策略相结合,提出一种新的改进矮猫鼬优化(IDMO)算法。首先,提出随机准反向反射学习(RQORBL)策略并应用于阿尔法组,以提高全局探索能力;其次,引入动态透镜成像反向学习(LOBL)策略,以平衡算法的探索和开发,提升跳出局部最优的能力。为验证新算法性能,将IDMO与几种新近提出的优化算法进行对比,并对UCI存储库中的10个数据集进行特征选择仿真实验。实验结果表明IDMO寻优能力更佳,跳出局部最优能力明显增强,能够有效适用于特征选择问题。

基于改进北方苍鹰优化算法的多阈值图像分割

多阈值图像分割是一种简单、准确、高效且普遍的图像分割方法,相比单阈值图像分割更适用于包含大量信息的彩色图像。在多阈值图像分割中,随着阈值数量的增加,传统的枚举法计算量增大,分割一幅彩色图像不仅需要更多的时间,而且分割精度也随之降低。提出一种基于改进北方苍鹰优化(INGO)算法的多阈值图像分割方法。利用立方混沌优化与透镜成像反向学习策略增加种群多样性,在优化初始解的同时扩大种群搜索范围,使INGO算法尽可能搜索到潜在的最优解,增强算法的搜索能力。将最优最差反向与透镜成像反向学习策略相结合,避免INGO算法易陷入局部最优的情况,提高收敛精度。在对经典的伯克利测试图像进行多阈值彩色图像分割的实验结果表明,在GWO、PSO、ChOA等算法中,INGO算法取得峰值信噪比和特征相似度最优平均值的占比分别为100.000%和78.125%,在保证算法收敛效率的同时获得较优的图像分割结果,在多阈值图像分割领域具有较强的理论应用价值。

融合多策略改进的黏菌优化算法

针对黏菌优化算法(Slime Mould Algorithm,SMA)的寻优过程存在收敛效率较低、容易陷入局部最优解等问题,文中提出融合多策略改进的黏菌优化算法(Improved SMA Fused with Multi-strategy,MISMA).引入Halton序列,丰富初始种群的多样性,提升算法寻优的遍历性和收敛精度.融入差分变异思想,改进算法的全局位置更新公式,强化全局探索能力,增强算法的持续寻优性能.糅合改进收敛因子和精英选择机制的局部搜索策略,提升算法的局部开采能力,更好地平衡算法的全局探索与局部开发进程.基于动态边界的透镜成像学习策略改善个体的质量,加强算法反早熟及摆脱局部最优解的能力.在13个基准函数及部分CEC2014测试函数上的数值仿真实验表明,MISMA具有较强的鲁棒性.此外,在光伏电池组件模型参数优化实验上进一步验证MISMA在处理实际工程优化问题时的优越性及适用性.

基于改进麻雀搜索算法的认知无线电频谱分配

针对认知无线电中以最大程度提高网络效益为目的的频谱分配问题,提出了一种基于麻雀搜索算法的改进算法。首先,考虑到种群多样性对实验结果的影响,利用透镜成像反向学习策略,在最优个体基础上产生新个体,进而继续寻优,来进一步提高算法的收敛精度;然后,采用变步长设计,在影响步长因素的关键参数中加入步长调整机制,可以调节局部精度和全局最优之间的平衡关系。再对种群中负责侦查预警的麻雀位置引入Levy飞行策略来更新其位置,有助于增强算法跳出局部极值能力和总体寻优的性能。最后,将改进的麻雀搜索算法应用于认知无线电的频谱分配问题,通过与遗传算法、粒子群算法、海鸥算法及基础麻雀搜索算法进行对比仿真表明,改进的麻雀搜索算法,相比于基础麻雀算法和其他算法,具有更高的网络效益和更快的收敛速度,可以达到有效改善频谱利用率的目的。

混合策略改进鲸鱼优化算法

为使鲸鱼优化算法在具备摆脱局部最优区域能力的同时提升算法寻优能力,提出一种基于混合策略的改进鲸鱼优化算法。利用混沌的特性对初始种群位置进行优化,使种群个体更加丰富多样,位置分布更加合理;提出一种混合反向学习策略,将透镜成像反向学习策略和最优最差反向学习策略相结合,提高领导者跳出局部最优区域的能力,提高算法的求解精度;出于协调改进算法勘探能力的目的,将自适应概率阈值p′和权重ω融入到算法中。对6个单峰函数和4个多峰函数的仿真结果验证了所提优化算法在收敛速度和寻优精度等方面有较大的提高。

改进鲸鱼算法在认知无线电频谱分配中的应用

在当前无线通信系统中,频谱分配的不合理降低了无线频谱资源的利用率,而认知无线电技术被认为是解决当前频谱资源和无线业务请求矛盾的有效途径。针对传统算法易陷入局部最优解,收敛速度慢等问题,提出一种改进鲸鱼算法(Improved Whale Optimization Algorithm, IWOA),首先提出了一种混合反向学习策略和一个非线性收敛因子,提升了算法对最优解的搜索能力,然后提出一个自适应概率阈值和自适应权重,提高了算法的收敛速度和寻优能力,最后针对系统的系统效益和公平性与原始鲸鱼算法、粒子群算法和遗传算法对比仿真。结果表明,在频谱分配时,改进鲸鱼算法在收敛速度、系统效益、认知用户接入公平性等方面性能都优于其它算法。

基于改进蜜獾算法的无人机三维路径规划

为更有效解决无人机三维路径规划的优化问题,提出一种改进的蜜獾算法,在挖掘阶段和采蜜阶段之后加入透镜成像反向学习策略,增强了算法的探索能力,使得算法能够更快地收敛。通过指数函数生成不同数量的障碍物并模拟不同的飞行场景,增强了地形仿真的多样性;同时通过行程代价、环境的地形代价和边界代价作为目的函数,提高了无人机航行的稳定性。最后通过实验仿真很好地验证了改进的蜜獾算法在该问题中的有效性和实用性。

凸透镜成像易错题辨析

凸透镜成像规律的掌握是同学们学习的难点，它涉及到的规律多，对数学基本功也有较高要求，特别是熟练应用不等式来解决成像问题。在凸透镜成像的动态调节中，同学们往往考虑不全，容易顾此失彼。考试中，以下问题出错频率较高。