一种基于引向因子和反向搜索的改进遗传算法

针对标准遗传算法应用于数值优化时存在收敛缓慢、易早熟收敛及收敛精度低的问题,提出了一种改进的遗传算法,对标准算法的交叉算子进行了改进——加入了引向因子,使参与交叉的个体向着最佳个体靠近,同时,还加强了群体之间的信息共享机制,使交叉运算中个体搜索方向受到更多个体的影响,使得算法不易陷入局部收敛。并将反向搜索技术结合到上述改进遗传算法之中,增加了算法探索新的解空间的能力,从而提高算法的全局搜索能力,改善了全局解的精度。最后,使用改进后的算法对5组典型的复杂测试函数进行优化,将优化结果与标准算法优化结果进行对比,结果表明改进的算法有效地克服了标准遗传算法应用于数值优化时存在收敛缓慢、易早熟收敛及收敛精度低的问题。

改进遗传算法优化模糊均值聚类中心的图像分割

针对传统模糊均值聚类算法存在的问题,提出一种改进遗传算法优化模糊均值聚类中心的图像分割算法.首先在标准遗传算法的交叉操作中引入方向因子,使参与交叉的个体向最佳个体靠近,加快算法的收敛速度,并通过增强群体间的信息共享机制提高算法的全局搜索能力,避免了早熟收敛,改善了全局解的精度;然后采用改进遗传算法选择模糊均值聚类算法的初始聚类中心,实现图像分割;最后采用仿真实验测试算法性能.实验结果表明,相对于传统模糊均值聚类算法及其他图像分割算法,本文算法在分割正确率、分割速度及鲁棒性上均更优.