基于混合優(yōu)化算法的圖像目標識別.pdf

1、隨著計算機技術的飛速發(fā)展，圖像目標識別是計算機視覺和人工智能研究及應用中一項非常有意義而又有困難的工作。 目前已存在一些優(yōu)化算法來解決圖像的目標識別問題，但很多的算法都存在局限性，而新型的蟻群算法具有正反饋性，靈活性和協(xié)調性等特點，可以較好的解決圖像目標的識別問題。因此本文研究基于改進蟻群算法的圖像目標識別。 為克服現(xiàn)有蟻群算法運算過程中收斂速度慢，易出現(xiàn)停滯現(xiàn)象等缺點，本文結合模擬退火思想，提出了基于模擬退火策略的逆向

2、蟻群算法。利用向原始蟻群中引入逆向螞蟻，并結合模擬退火思想確定蟻群中逆向螞蟻的數目，來提高算法的適應性。將此算法用于求解典型的組合優(yōu)化問題——TSP組合優(yōu)化問題。實驗證明，此算法可用來較好的解決組合優(yōu)化問題，收斂速度和全局尋優(yōu)能力都得到很大的改善。 同時針對函數優(yōu)化問題，又提出了一種蟻群算法和混沌優(yōu)化算法相結合的混合優(yōu)化算法，該算法利用蟻群算法中信息素正反饋的思想指導當前混沌搜索的區(qū)域。工作蟻群按照信息素的濃度高低，分別按照不同