基于高斯映射和小孔成像学习策略的鲸鱼优化算法

针对鲸鱼优化算法(WOA)容易陷入局部最优解、收敛速度慢等缺陷,提出一种基于小孔成像反向学习策略的鲸鱼优化算法。首先采用高斯映射生成的混沌序列取代原始算法中随机产生的初始种群,增加种群的多样性;其次,提出了一种小孔成像反向学习策略,并结合最优最差反向学习思想,增加了寻优位置的多样性,提高了算法跳出局部最优的能力;最后,在算法中加入了一个非线性收敛因子和一个对数形式的概率阈值,在保留鲸鱼算法优点的前提下,协调了算法的全局搜索和局部开发能力。通过对10个基准函数进行仿真测试,实验结果表明改进算法在收敛速度和收敛精度等方面有明显的提高。

融合微平衡激活的小孔成像算术优化算法

为提高算术优化算法的全局勘探和局部开发性能,提出基于非线性小孔成像机理以及具有微调功能最优位置引导搜索策略的算术优化算法(IX-AOA),自适应调整算术加速优化器因子是基于平衡算法勘探与开发目的一种纵向更新策略,通过双曲线性质调整算法勘探与开发时间分配,进而实现算法的自我更新机制,达到平衡算法勘探与开发的效果。在最优个体使用基于sigmoid激活函数的权重系数调整子代位置的搜索与开发的合理受控机理,达到丰富优质候选解的目标;引入非线性小孔成像原理改善搜索机制以优化候选解之间覆盖现象导致的寻优停滞局面,最后通过8个基准函数和部分CEC2014以及Wilcoxon秩和检测验证算法函数寻优的优越性。

基于Logistic回归麻雀算法的图像分割

针对麻雀搜索算法后期种群多样性减少、易陷入局部最优解等问题,提出一种新的改进麻雀搜索算法。所提算法先引入小孔成像反向学习策略对发现者的位置进行更新,提升寻优位置的多样性;其次受Logistic模型的启发,提出一种新的自适应因子对安全阈值进行动态控制,平衡所提算法的全局搜索与局部开发的能力。通过与其他算法在6个基准函数上进行仿真对比,结果表明:所提算法的收敛精度与速度均优于其他算法。在工程应用上,用所提算法优化K-means聚类算法进行图像分割,峰值信噪比(PSNR)、结构相似性(SSIM)及特征相似性(FSIM)3种度量指标验证了其良好的分割性能。