黏菌算法的改进及其应用研究

作     者：韩子萌 

作者单位：西安理工大学 

学位级别：硕士

导师姓名：王秋萍

授予年度：2024年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：黏菌算法 佳点集 分散迁移过程 支持向量机 低照度图像增强 

摘      要：元启发式算法是求解高维复杂优化问题的重要优化技术。黏菌算法(Slime Mould Algorithm,SMA)是2020年提出的一种新型启发式优化算法,其灵感来源于黏菌觅食过程中的行为和形态变换。SMA具有控制参数少、实现简单、求解能力强等优点,适用于现实世界的各种优化问题。然而,在求解高维复杂问题时,SMA也存在和其它智能算法一样的不足,如收敛速度慢,求解精度低等。因此,本文以黏菌算法为主线,提出了两种改进的黏菌算法,并拓展其应用领域。具体研究工作如下: (1)提出一种多策略改进黏菌算法(Enhanced Slime Mould Algorithm with Multi-strategy,MESMA)并将其用于优化支持向量机参数。首先,采用佳点集初始化种群,使初始种群在空间中分布更均匀,提高了种群的遍历性;其次,引入广义正态分布搜索策略,以当前的平均位置和最优位置为指导更新黏菌种群位置,提高算法开发能力;然后,在黏菌更新位置之后加入自适应比例变异策略,进一步提高算法搜索效率。在CEC2017基准测试集上进行数值实验,结果表明MESMA与其它对比算法相比拥有更好的收敛速度和求解精度。最后,采用MESMA对支持向量机的两个参数进行寻优,建立MESMA-SVM分类模型。在UCI数据库中的7个经典数据集和3个医学数据集上进行分类实验。结果显示MESMA-SVM相比其它四种模型具有更好的指标值和更高的分类准确率。 (2)提出一种基于分散迁移和链式觅食的黏菌算法(Slime Mould Algorithms based on Distributed Migrationand Chain foraging,DCSMA)并将其用于低照度图像增强。首先,引入分散迁移过程,利用个体维度信息,扩大种群探索范围;其次,采用水波动态振荡因子替换原始振荡因子,平衡算法的探索和开发能力;然后,加入链式觅食策略,提高算法搜索效率。在CEC2017和CEC2020基准测试集上进行数值实验,将所提算法同多种先进智能算法和改进的SMA算法进行对比,结果表明DCSMA算法拥良好的优化性能和求解精度。将DCSMA用于优化双伽马调整函数参数,以增强图像亮度与对比度,同时采用非线性拉伸函数增强图像饱和度。选取低照度图像测试集中的6幅图像,将基于DCSMA的图像增强方法与SMA以及其它5种经典图像增强方法进行对比实验。结果表明基于DCSMA的低照度图像增强方法在主观评价和5个客观评价指标上均具有显著优势。