基于Predator-Prey行为的萤火虫优化算法

针对基本萤火虫优化(GSO)算法在求解函数全局最优值时,存在着易陷入局部最优、收敛速度慢和求解精度低等问题,提出了1种基于生物捕食-被捕食(Predator-Prey)行为的双种群GSO算法(GSOPP)。该算法通过引入种群间的追逐与逃跑以及变异等策略加快了收敛速度,且能获得精度更高的解。最后,通过对8个标准测试函数进行测试,结果表明,改进后的GSOPP算法比基本GSO算法有更优的性能。

结合Predator-Prey-AACO的图像边缘检测算法

针对自适应蚁群优化(AACO)算法在图像边缘提取中经常出现效率低、易陷入局部极值等问题,提出一种结合生物Predator-Prey行为的自适应蚁群图像边缘检测算法。该算法将Predator-Prey行为与AACO算法相结合,将蚁群分成Predator种群和Prey种群,初始阶段利用AACO算法进行搜索两种群,一定迭代次数后,两种群进入排斥阶段;通过自动阈值法提取图像边缘。实验结果表明,与AACO算法和Canny算法相比,在精确度方面,该算法提取的图像边缘明显优于前两种算法提取的边缘;同时保持了AACO算法收敛速度快的特点,并克服了其易陷入局部极值等缺点;因此,该算法能够高效准确地检测出图像边缘。