论文部分内容阅读
在计算智能领域，生物界某些个体或群体的行为特征、演化特性给予研究人员很多启示，许多模拟生物行为和现象的优化算法应运而生，上述研究统称为生物启发式计算方法。生物行为表现在多个方面，其中:觅食行为是生物的生存及繁殖重要的基本特性，不同类型的生物，从低等的单细胞细菌到高等的动物都具有不同的觅食行为模式，有关模拟生物觅食行为规律的启发式方法自提出以来，一直受到国内外学者和工程技术人员的广泛关注。 尽管基于生物觅食行为的启发式计算研究日趋成熟，但通过分析现有工作可以看出，在求解实际复杂问题过程中，如何实现算法的多样性保持策略、兼顾全局与局部搜索的均衡策略以及算法参数自适应优化策略，有效克服早熟收敛、提高搜索效率和收敛精度等方面尚存在较大的改进空间。 本文利用自然生物最优觅食理论、复杂自适应系统等成果，在国内外生物启发式计算相关工作的基础上，从生物建模、算法设计和工程应用层面，针对基于觅食行为的生物启发式算法展开了深入系统地研究，并结合数据聚类分析、彩色图像处理等典型实际问题设计了新的求解方法。论文开展的主要工作如下: (1)针对传统基于单层生物启发式优化模型的原始蜂群算法(Artificial BeeColony，ABC)存在“早熟收敛”问题，将层次型信息交流拓扑结构引入人工蜂群觅食模型中，提出基于层次型信息交流机制的多蜂群协同进化算法，实现在搜索过程中能够维持整个群落种群多样性的群落级进化。通过仿真试验表明，该方法能够有效的保持整个群体的多样性，在一定程度上平衡了探索开发能力，有效提升了算法的收敛速度与收敛精度。 (2)从能量变化角度出发构建生物生命周期优化模型，在此基础上，针对传统的菌群优化算法(Bacterial Foraging Algorithm，BFA)进行改进，设计了一种基于生命周期的菌群觅食自适应优化方法。将E.coli种群按照生命周期进行演化，即E.coli个体在觅食过程中根据其能量获取与消耗状态动态地分裂、死亡和迁徙，种群规模随环境变化而进行适应性变化。通过仿真实验表明，本文建立的E.coli菌群优化模型符合微生物生命周期变化规律，函数测试结果验证了算法具有较好的优化性能。 (3)针对传统模糊C均值(Fuzzy c-Means，FCM)聚类算法存在易陷入局部极小值，对初始值和噪声数据敏感等不足，引入基于层次型信息交流机制的多蜂群协同进化思想，提出基于MCABC-FCM的聚类优化算法，并应用于求解教学评估问题中。实例仿真表明，相对于传统FCM聚类算法，该方法的寻优能力、收敛速度得到显著提高，与此同时，评价效果更具有代表性。 (4)将基于生命周期的菌群觅食自适应优化算法用于彩色图像处理中，提出一种新的多阈值分割算法，融合群体并行性搜索且不易陷入局部最优的特点，以寻找图像分割的最优阈值组合，并最大限度的提高寻优精度和效率。通过给定图像的实例仿真证明，该方法的分割结果更加精确，并且极大地降低多阈值分割的计算时间，为解决类似工程问题提供了新的思路。 综上所述，本文从机理建模、算法设计和工程应用层面针对典型的生物觅食行为启发式计算方法进行研究，取得了具有创新性和应用价值的成果，所提出的改进策略和优化方法对于拓展相关领域的研究、指导实际应用都将具有一定的借鉴意义。