基于自适应t分布变异的缎蓝园丁鸟优化算法

缎蓝园丁鸟优化算法是一种新型的元启发式优化算法,针对其收敛速度慢、寻优精度低的不足,提出了一种基于自适应t分布变异的缎蓝园丁鸟优化(tSBO)算法.在tSBO算法中引入了自适应t分布变异算子,使用算法的迭代次数作为t分布的自由度参数来增强种群的多样性,避免算法陷入局部最优.通过6个标准测试函数对改进算法与FPA,BA和基本SBO算法进行测试比较,仿真结果表明,改进算法是可行有效的,相比于基本SBO算法,其收敛精度和鲁棒性有了很大程度的提高.

非均匀变异的互利自适应缎蓝园丁鸟优化算法

针对缎蓝园丁鸟优化(SBO)算法求解精度不高和收敛速度慢等问题,提出一种改进的缎蓝园丁鸟优化(ISBO)算法。首先,引入非均匀变异算子,动态地调整每次迭代园丁鸟个体的搜索步长,使算法能快速高效地寻求全局最优值;其次,采用互利因子对算法的社会部分引入更多组合模式,使其不再单一围绕前一个园丁鸟附近搜索,以获取更好的最优解;最后,为了更好地平衡算法的局部与全局搜索能力,引入余弦变化的惯性权重因子来更新园丁鸟的位置公式。使用收敛速度分析、Wilcoxon检验和8个基准函数对5种算法搜索性能进行对比分析,来评估改进缎蓝园丁鸟优化算法的效率。结果表明,改进算法具有更好的全局搜索能力和求解鲁棒性,同时寻优精度和收敛速度也比原来算法有所增强。

基于自适应权重的缎蓝园丁鸟优化算法

针对缎蓝园丁鸟优化算法(SBO)寻优精度低和收敛速度慢的问题,提出了基于自适应权重的缎蓝园丁鸟优化算法(WSBO)。首先通过自适应权重的方法改进了缎蓝园丁鸟优化算法的局部搜索能力,提高了收敛精度。另外通过改进原算法中高斯分布函数形式对缎蓝园丁鸟的求偶亭位置进行变异,提高了算法的全局搜索能力,避免了陷入局部最优。通过8个标准测试函数对改进算法与原SBO算法、ABC算法和FA算法进行测试比较,实验结果表明,改进算法是可行有效的,相比于基本SBO算法,其收敛速度、精度和算法稳定性都有很大程度的提高。

基于缎蓝园丁鸟算法优化的多阈值遥感图像分割

针对遥感图像识别中的图像分割问题,运用群智能优化算法,以遥感图像为研究对象,在深入分析群智能缎蓝园丁鸟算法以及传统多阈值Otsu方法之后,提出一种改进的多阈值图像分割方法。该方法首先在种群初始化以及位置更新方面对标准缎蓝园丁鸟算法进行改进,改进以后的算法不易早熟。其次,通过转换,将最优阈值问题变为目标函数求解问题,以利用群智能算法的优点来快速找到最优阈值,从而完成阈值分割。最后,实际遥感图像分割结果表明,分割结果各项指标都较对比算法更优,抗噪性更好,速度更快。

融合粒子群的缎蓝园丁鸟优化算法及应用

针对缎蓝园丁鸟优化算法(SBO)收敛精度低、收敛速度慢和全局寻优能力弱的问题,提出了融合粒子群的缎蓝园丁鸟优化算法(PSBO)。该算法在原缎蓝园丁鸟优化算法的基础上,通过引入速度因子和固定惯性权重来提高种群的多样性,进一步提高了原算法的寻优性能。通过8个标准测试函数对PSBO算法、SBO算法、基于自适应t分布变异的缎蓝园丁鸟优化算法、自适应权重缎蓝园丁鸟优化算法和粒子群优化算法这五个算法进行测试比较,实验结果表明,PSBO算法在收敛速度、精度和算法稳定性上都有很大程度的提高。为了进一步说明PSBO算法的有效性,把PSBO算法应用于支持向量机(SVM)内部参数的优化上。SVM是一类按监督学习方式对数据进行二元分类的广义线性分类器,主要影响SVM性能的参数是核参数和惩罚因子。在训练集上,用K折交叉验证的方法算出准确率的均值作为目标函数,通过PSBO算法对核参数和惩罚因子进行寻优,并将参数寻优的结果代入测试集进行样本测试,结果表明PSBO算法在优化参数时拥有更快的收敛速度。

基于混合策略的缎蓝园丁鸟优化算法

标准的缎蓝园丁鸟优化算法存在收敛速度慢、寻优精度低和易陷入局部最优等缺点,为此,提出了一种基于混合策略的缎蓝园丁鸟优化算法。首先,在种群初始化时,通过引入Logistic混沌映射,使初始种群能够均匀分布;其次,求偶亭位置更新时,加入了指数惯性权重,平衡了算法的全局和局部搜索能力,从而提升了算法的全局收敛速度;最后又在求偶亭位置变异时,引入了Levy飞行变异,提升了种群的多样性,使算法跳出局部最优。

基于混沌初始化的缎蓝园丁鸟优化算法在图像分割中的应用研究

为了解决缎蓝园丁鸟优化算法(Satin Bowerbird Optimization Algorithm,SBO)寻优精度低和时间复杂度高等问题,本文提出一种基于Tent混沌映射的缎蓝园丁鸟优化算法(Chaotic Strategy to Satin Bowerbird Optimization Algorithm,CSSBO),并将其应用在图像分割。通过引入Tent混沌映射进行种群初始化,使得改进后的算法具有更高的寻优精度和收敛速度。为了体现算法的性能,本文将CSSBO算法与原始的SBO算法、改进的灰狼算法(Modified Grey Wolf Algorithm,MDGWO)和改进的人工蜂群算法(Modified Quick Artificial Bee Colony Algorithm,FMQABCA)进行了比较,结果表明CSSBO算法在图像分割上有着更为理想的效果。

“动物都是科学家”系列二十一 “建筑大师”园丁鸟

有时,看着树上的鸟巢,我不禁会心生羡慕。鸟儿是多么自由,看上哪棵大树,就可以在枝杈间筑巢,不用像我们人类一样,想实现居者有其屋,尤其是在城市的钢筋水泥中有一块属于自己的栖身之地,还真是有些不易。在羡慕鸟类筑巢自由之余,我也欣赏鸟类懂得适可而止。绝大多数鸟都只准备一个巢穴,而且绝大多数鸟巢都只有一个房间,不会像我们的住房一样,会分成多个功能不同的房间。因为按需筑巢,不会多贪多占,所以鸟儿的自由筑巢能够彼此相安无事。

园丁鸟 天才的建筑师和收藏家

生活在热带雨林里的园丁鸟尽管其貌不扬，却是鸟类中的建筑师和收藏家。在求偶时，雄性园丁乌能够修建精巧复杂的“新房”，用各种色彩鲜艳的小物品装饰其问。以此吸引雌乌。

园丁鸟的新房子

园丁鸟想盖一间最漂亮的房子。园丁鸟开始起早贪黑地干活。他捡来粗细均匀的、很有弹性的树木枝条精心编织起来，累了也顾不上休息一会儿。

园丁鸟的美容院

在一望无际的森林里,园丁鸟开了一家美容院,许多植物、动物听说她心灵手巧,慕名前来。这不,又有客人来了!“叮——”伴随着门铃声响起,园丁鸟赶忙上前迎接,原来是一片叶子。“请问有什么需要帮助的吗?”园丁鸟问。“我希望自己能变得威风一些。”

园丁鸟

园丁鸟是鸟类中的"建筑师",雄鸟在求偶时会用树枝搭建"凉亭"。园丁鸟主要分布在澳大利亚等地。当雄鸟发育成熟后,早在交配季节到来之前,就开始修建"凉亭"

披着羽毛的“建筑艺术家”——雄园丁鸟

雄园丁鸟生活在澳大利亚、新几内亚等地，它们没有婉转动听的歌喉以及色彩绚丽的羽毛，它们凭借建造优美的巢窝来展现自己，吸引异性。

自然界的“建筑大师”--园丁鸟

园丁鸟,澳大利亚的鸟类“艺术世家”,有着非常高的艺术天分和很强的学习能力,它们只需要几年的时间就能完成建筑学业,做出来的建筑设计让人叹为观止,被称为“精灵巢穴”。园丁鸟有一套自己搭建巢穴的方法。首先,寻一处空地,从周边搜集树枝搭成棚屋结构或者林荫道样式的亭子;然后,找来各种各样漂亮的小物件,像贝壳、羽毛、花朵、亮闪闪的玻璃和金属、颜色鲜艳的小瓶盖等,按照不同的颜色分别摆放在亭子的周围。

园丁鸟

“不动笔墨不读书。”同学们要养成边读边思考、读后动笔写一写的习惯,只有这样,日积月累,循序渐进,才有更多收获,更大进步。本栏目欢迎同学们积极参与,投稿邮箱见目录页,邮件请注明“读写练”。本栏目不提供答案,希望同学们自主完成。园丁鸟主要分布在大洋洲的新几内亚。园丁鸟的体形咯似鸽子,属于鸣禽,身材结实,脚爪强健,喙粗厚。雌鸟为黄绿色,而雄鸟则有着非常英俊的外表,一身蓝黑色的羽毛,犹如绸缎,泛着幽幽的蓝光,紫色的眼睛炯炯有神。

了不起的园丁鸟

新几内亚群岛，一片茂密的雨袜中。园丁鸟小布闭上眼睛，对着一棵彩虹桉树默默许下它的新年愿望：它要建一座这里最漂亮的小亭子。

园丁鸟与灰喜鹊

有一天,园丁鸟把灰喜鹊带到他的家里,对灰喜鹊炫耀道:'我从来没让别人看过我的闪光的宝贝,你是我信得过的朋友,所以是例外.'灰喜鹊仔细一看,原来所谓的宝贝不过是贝壳、玻璃球、硬币、金属纽扣、金属链,还有一个不锈钢的卷尺盒,便说道:'这算什么宝贝?只不过闪光罢了.''你这就外行啦.你别忘了,我可是动物界的收藏家呀.岂能不识货?'欣赏完宝贝,他们又一起出去找食。途中,园丁鸟突然发现地面上有一件闪光的东西。于是,他们便飞落下来。

园丁鸟的“别墅”

在大自然中,鸟类是十分出色的建筑师。它们能用枯枝、树叶和草茎编织成精致的巢穴,再用自己吐出的唾液进行黏合,使它牢固结实,能承受相当大的重量。鸟类的巢穴时常令我们人类感到惊叹,它们的结构是如此精密复杂,又是如此舒适温暖,更难得的是它们大多十分轻巧。鸟类可以将它们搭建在高高的树梢上,远离天敌的侵害.

园丁鸟

园丁鸟主要分布在大洋洲的新几内亚。园丁鸟的体形略似鸽子,属于鸣禽,身材结实,脚爪强健,喙粗厚。雌鸟为黄绿色,而雄鸟则有着非常英俊的外表,一身蓝黑色的羽毛,犹如绸缎,泛着幽幽的蓝光,紫色的眼睛炯炯有神。园丁鸟具有园丁般的园艺天才和高超的建筑艺术才能,能够设计建造一个美丽的新婚洞房和求偶舞池,以吸引雌鸟前来交配。"园丁鸟"也因此而得名。