生物地理學優(yōu)化算法的改進及其在圖像分割上的應用

定　價：￥98.00

作　者：	張新明，康強著
出版社：	科學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787030603814	出版時間：	2019-06-01	包裝：	平裝
開本：	16開	頁數(shù)：	228	字數(shù)：

內容簡介

　　群智能優(yōu)化算法一般具有原理簡單、易于實現(xiàn)的特點，能夠較好地處理許多優(yōu)化問題。生物地理學優(yōu)化算法是受生物地理學理論啟發(fā)而開發(fā)的一種進化計算技術，是群智能優(yōu)化算法之一，廣泛應用于處理科學和工程領域中的優(yōu)化問題?！渡锏乩韺W優(yōu)化算法的改進及其在圖像分割上的應用》詳細介紹了作者在生物地理學算法改進上的六項研究成果以及四項改進的生物地理學優(yōu)化算法在圖像分割上的應用研究成果。《生物地理學優(yōu)化算法的改進及其在圖像分割上的應用》注重理論與應用的結合，遵循由淺入深、循序漸進的原則，內容豐富，實驗充分?！渡锏乩韺W優(yōu)化算法的改進及其在圖像分割上的應用》可供高等學校、科研院所的計算機科學、人工智能、自動化和管理科學等專業(yè)的教師和學生閱讀，也可供相關領域的科技工作者和工程技術人員參考。

作者簡介

暫缺《生物地理學優(yōu)化算法的改進及其在圖像分割上的應用》作者簡介

圖書目錄

目錄
前言
第1章緒論 1
1.1 優(yōu)化問題和優(yōu)化方法 1
1.1.1 優(yōu)化問題 1
1.1.2 優(yōu)化方法 2
1.2 群智能優(yōu)化算法 4
1.2.1 群智能優(yōu)化算法原理及步驟 4
1.2.2 群智能優(yōu)化算法相關知識 5
1.2.3 群智能優(yōu)化算法國內外研究現(xiàn)狀 8
1.3 本書所涉及的主要群智能優(yōu)化算法 9
1.3.1 遺傳算法 9
1.3.2 粒子群優(yōu)化算法 10
1.3.3 差分進化算法 11
1.3.4 細菌覓食優(yōu)化算法 12
1.3.5 蛙跳算法 14
1.3.6 人工蜂群算法 15
1.3.7 煙花算法 16
1.3.8 灰狼優(yōu)化算法 18
1.4 本書篇章結構 19
參考文獻 21
第2章生物地理學優(yōu)化算法 23
2.1 生物地理學理論 23
2.1.1 理論背景 23
2.1.2 生物地理學 24
2.2 BBO算法 25
2.2.1 BBO算法數(shù)學模型 25
2.2.2 BBO算法步驟及原理 27
2.2.3 BBO算法優(yōu)缺點分析 33
2.2.4 BBO算法改進動機分析 35
2.2.5 BBO算法相關研究綜述 36
2.3 本章小結 37
參考文獻 38
第3章生物地理學優(yōu)化算法代表性改進研究簡介 41
3.1 BBO算法遷移模型的改進 41
3.2 BBO算法種群初始化的改進 45
3.3 BBO算法遷移算子的改進 46
3.4 BBO算法變異算子的改進 47
3.5 BBO算法清除算子的改進 48
3.6 BBO算法選擇策略的改進 49
3.7 BBO算法的混合改進 50
3.8 本章小結 51
參考文獻 51
第4章差分遷移和趨優(yōu)變異的BBO算法 53
4.1 引言 53
4.2 DGBBO算法 53
4.2.1 榜樣選擇方案 53
4.2.2 差分遷移算子 54
4.2.3 趨優(yōu)變異算子 56
4.2.4 貪婪選擇法替換精英保留機制 58
4.2.5 改進的遷移概率計算方式 59
4.2.6 DGBBO算法總流程 59
4.2.7 DGBBO算法與BBO算法的異同點 60
4.3 實驗與分析 60
4.3.1 實驗準備 60
4.3.2 DGBBO算法與其不完整變體算法的對比 61
4.3.3 DGBBO算法與同類算法的對比 64
4.3.4 DGBBO算法與其他類算法的對比 66
4.3.5 DGBBO算法的t檢驗 68
4.3.6 DGBBO算法的計算復雜度討論 70
4.3.7 實驗總結 71
4.4 本章小結 71
參考文獻 71
第5章差分變異和交叉遷移的BBO算法 73
5.1 引言 73
5.2 DCBBO算法 73
5.2.1 差分變異算子 73
5.2.2 交叉遷移算子 74
5.2.3 啟發(fā)式交叉操作 75
5.2.4 DCBBO算法總流程 77
5.2.5 DCBBO算法與BBO算法的異同點 77
5.3 實驗與分析 78
5.3.1 實驗準備 78
5.3.2 DCBBO算法與同類算法的對比 78
5.3.3 DCBBO算法與其他類算法的對比 82
5.3.4 DCBBO算法的Wilcoxon符號秩檢驗 85
5.3.5 DCBBO算法的計算復雜度討論 86
5.3.6 實驗總結 86
5.4 本章小結 86
參考文獻 87
第6章混合交叉的BBO算法 88
6.1 引言 88
6.2 HCBBO算法 88
6.2.1 垂直交叉操作 88
6.2.2 水平交叉操作 88
6.2.3 自適應啟發(fā)式交叉操作 89
6.2.4 混合交叉遷移算子 90
6.2.5 HCBBO算法總流程 91
6.2.6 HCBBO算法與BBO算法的異同點 91
6.3 實驗與分析 92
6.3.1 實驗準備 92
6.3.2 HCBBO算法與同類算法的對比 93
6.3.3 HCBBO算法與其他類算法的對比 97
6.3.4 HCBBO算法的Wilcoxon符號秩檢驗 98
6.3.5 HCBBO算法的計算復雜度討論 99
6.3.6 實驗總結 99
6.4 本章小結 99
參考文獻 100
第7章高效融合的BBO算法 101
7.1 引言 101
7.2 EMBBO算法 101
7.2.1 共享操作 101
7.2.2 差分擾動操作 103
7.2.3 共享差分遷移算子 103
7.2.4 單維與全維交叉更新策略 104
7.2.5 反向學習機制 106
7.2.6 EMBBO算法總流程 107
7.2.7 EMBBO算法與BBO算法的異同點 108
7.3 實驗與分析 108
7.3.1 實驗準備 108
7.3.2 EMBBO算法主要參數(shù)討論 109
7.3.3 EMBBO算法與其不完整變體算法的對比 110
7.3.4 EMBBO算法與同類算法的對比 111
7.3.5 EMBBO算法與其他類算法的對比 112
7.3.6 EMBBO算法在CEC2017測試集上的對比 115
7.3.7 EMBBO算法的t檢驗 116
7.3.8 EMBBO算法的計算復雜度討論 117
7.3.9 實驗總結 118
7.4 本章小結 118
參考文獻 118
第8章混合灰狼優(yōu)化的BBO算法 120
8.1 引言 120
8.2 HBBOG算法 120
8.2.1 改進的BBO算法 120
8.2.2 反向GWO算法 123
8.2.3 HBBOG算法總流程 123
8.2.4 HBBOG算法與BBO算法的異同點 125
8.3 實驗與分析 126
8.3.1 實驗準備 126
8.3.2 HBBOG相關算法之間的對比 127
8.3.3 HBBOG算法與同類算法的對比 129
8.3.4 HBBOG算法與其他類算法的對比 131
8.3.5 HBBOG算法在CEC2013和CEC2014測試集上的對比 132
8.3.6 HBBOG算法的Wilcoxon符號秩檢驗 136
8.3.7 實驗總結 138
8.4 本章小結 138
參考文獻 138
第9章混合蛙跳優(yōu)化的BBO算法 140
9.1 引言 140
9.2 HBBOS算法 140
9.2.1 改進的SFLA更新方法 140
9.2.2 改進的遷移算子更新方法 141
9.2.3 HBBOS算法總流程 145
9.2.4 HBBOS算法與BBO算法的異同點 146
9.3 實驗與分析 146
9.3.1 實驗準備 146
9.3.2 HBBOS算法與同類算法的對比 147
9.3.3 HBBOS算法與其他類算法的對比 148
9.3.4 HBBOS算法在CEC2014測試集上的對比 149
9.3.5 HBBOS算法的t檢驗和Wilcoxon符號秩檢驗 152
9.3.6 實驗總結 154
9.4 本章小結 154
參考文獻 154
第10章圖像分割概述 156
10.1 引言 156
10.2 圖像分割方法 157
10.2.1 圖像分割方法概述 157
10.2.2 閾值分割方法 157
10.2.3 區(qū)域分割方法 158
10.2.4 邊緣分割方法 159
10.2.5 基于特定理論的分割方法 159
10.3 閾值分割準則 161
10.3.1 閾值分割準則概述 161
10.3.2 昀大熵法 161
10.3.3 昀小交叉熵法 161
10.3.4 昀大類間方差法 162
10.3.5 Tsallis熵法 163
10.4 群智能優(yōu)化算法在圖像閾值分割上的應用 166
10.5 本章小結 167
參考文獻 167
第11章多源遷移和自適應變異的BBO算法的圖像分割 169
11.1 引言 169
11.2 PSBBO算法 169
11.2.1 多源遷移算子 169
11.2.2 動態(tài)調整的變異算子 171
11.2.3 PSBBO算法總流程 172
11.2.4 PSBBO算法與BBO算法的異同點 173
11.2.5 PSBBO算法應用于昀大熵多閾值圖像分割 173
11.3 實驗與分析 174
11.3.1 實驗準備 174
11.3.2 PSBBO算法的多閾值圖像分割對比 174
11.3.3 實驗總結 177
11.4 本章小結 178
參考文獻 178
第12章動態(tài)遷移和椒鹽變異的BBO算法的圖像分割 180
12.1 引言 180
12.2 DSBBO算法 180
12.2.1 動態(tài)遷移算子 180
12.2.2 椒鹽變異算子 182
12.2.3 DSBBO算法總流程 183
12.2.4 DSBBO算法與BBO算法的異同點 184
12.2.5 DSBBO算法應用于昀小交叉熵多閾值圖像分割 184
12.3 實驗與分析 184
12.3.1 實驗準備 184
12.3.2 DSBBO算法的多閾值圖像分割對比 185
12.3.3 實驗總結 190
12.4 本章小結 191
參考文獻 191
第13章混合遷移的BBO算法的圖像分割 193
13.1 引言 193
13.2 HMBBO算法 193
13.2.1 微擾動啟發(fā)式交叉操作 193
13.2.2 混合遷移算子 194
13.2.3 HMBBO算法總流程 195
13.2.4 HMBBO算法與BBO算法的異同點 196
13.2.5 HMBBO算法應用于昀大類間方差多閾值圖像分割 196
13.3 實驗與分析 197
13.3.1 實驗準備 197
13.3.2 HMBBO算法的多閾值圖像分割對比 198
13.3.3 實驗總結 202
13.4 本章小結 202
參考文獻 203
第14章混合細菌覓食優(yōu)化的BBO算法的圖像分割 204
14.1 引言 204
14.2 HBBOB算法 204
14.2.1 擾動遷移算子 204
14.2.2 “1步長”趨化算子 206
14.2.3 HBBOB算法總流程 208
14.2.4 HBBOB算法與BBO算法的異同點 208
14.2.5 HBBOB算法應用于Kapur熵多閾值彩色圖像分割 209
14.3 實驗與分析 210
14.3.1 實驗準備 210
14.3.2 HBBOB算法的多閾值圖像分割對比 212
14.3.3 實驗總結 221
14.4 本章小結 221
參考文獻 222
第15章總結與展望 223
附錄基準函數(shù) 225