基于水波优化算法的多阈值图像分割方法

为解决多阈值Kapur熵图像分割方法的精度低和运算时间慢的问题,提出基于水波优化算法的多阈值图像分割方法。传统的多阈值Kapur熵随着阈值个数的增加,分割精度有所下降和运算时间增加,所以将多阈值图像分割方法作为优化问题,利用水波优化算法寻找多阈值Kapur熵的最佳阈值,提高图像的分割精度。通过对图像的分割仿真实验,表明该算法具有更好的寻优能力,同时该算法的寻优精度高,收敛速度快,稳健性强。

基于热交换优化算法的多阈值图像分割方法

本文提出基于热交换优化算法的多阈值Renyi熵图像分割方法。多阈值Renyi熵算法有着较高的分割精度,但是阈值个数增加计算量也随之增加。为了解决这个问题,利用热交换优化(TEO)算法寻找多阈值Renyi熵的最优阈值。通过对经典图像进行实验,对评价指标PSNR和SSIM值进行分析,TEO算法能够有效地提高图像分割精度,减少运算时间。

基于莱维飞行的水波优化算法

为了解决水波优化算法的全局搜索能力较弱和收敛速度较慢的问题,笔者提出了基于莱维飞行的水波优化算法,该算法采用莱维飞行改进水波跳跃公式,使得水波的波动更加随机,从而更加接近真实水波扩散状态,更好地模仿水波的特性,提升了算法的局部寻优能力。通过进行标准测试函数最优值求解仿真实验,表明该算法具有更好的寻优能力,寻优精度高,收敛速度快,稳健性强。

采用莱维飞行和自适应权重的水波优化算法

为解决水波优化算法的全局搜索能力较弱和收敛速度较慢的问题,提出基于莱维飞行和自适应权重的水波优化算法,利用莱维飞行和自适应权重改进水波跳跃公式。采用莱维飞行使得水波的波动更随机,从而更加接近真实水波扩散的状态;同时引入自适应权重提高了算法的收敛特性和模仿水波的特性,提升了算法的局部寻优能力。通过进行标准函数最优值求解实验,验证了改进后的水波算法寻优求解能力更强,具有更高的全局求解精度,算法实时收敛速度快,相较于原算法具有更强的鲁棒性。

基于莱维飞行的热交换优化算法

笔者提出基于莱维飞行的热交换优化算法。热交换优化算法结构简单,容易实现,但其解决高维函数时寻优能力较弱。为了解决这个问题,在热交换优化算法中引入了莱维飞行策略,增加热交换优化算法的温度扩算速率,使其能够跳出局部最优问题。通过对6个标准函数的实验,基于莱维飞行的热交换优化算法有着较好的寻优能力,并且减少了算法的运行时间。

基于自适应权重的改进共生生物搜索算法

传统的共生生物搜索算法有着较好的全局搜索能力,但是容易陷入局部最优。为了解决这个问题,笔者提出了基于自适应权重的改进共生生物搜索算法,能够跳出局部最优,并且能够向目标移动时逐渐收敛,更好地找到目标函数的最优值。通过对6个标准测试函数的实验仿真,发现基于自适应权重的改进共生生物搜索算法的寻优能力得到加强,运算时间减少,稳健性更强。