免疫智能在优化中研究及其在数字图像中应用

论文摘要

生物免疫系统是一种复杂的自适应系统,该系统能有效地使用多种机制防御外部病原体入侵。具体表现为免疫记忆、抗体的自我识别能力和免疫多样性的优点。同时生物免疫系统在运行中表现出众多智能特性,如对各种抗原的识别和应答过程实际就是一个进化学习的过程。因此,结合这些特点提出的人工免疫算法,保留了生物免疫系统的若干特点,如多样性好、鲁棒性强、隐含并行性等。通过对生物免疫系统的系统学习,同时随着计算机免疫学的不断发展,免疫优化的思想在高效的优化技术和智能计算这两方面,有着越来越广泛的应用,其在模式识别、故障诊断、计算机安全等领域得到广泛的实际应用。然而,类似于其它新型智能算法,人工免疫算法也存在一些不足,如存在早熟收敛、局部搜索能力不足等。因此,改进的免疫智能的研究,已成为网络、智能、控制、计算等领域研究的重点和热点之一。本文在计算机免疫优化的大背景下,主要做了以下三个方面的工作。首先,对免疫优化进行理论研究,同时结合免疫优化理论,对优化问题、数字图像进行理论分析。然后,对基本的优化算法,免疫算法和遗传算法、粒子群算法的原理、实现及其特点进行研究。同时结合了六个测试函数,从收敛代数、收敛时间、能否达到最优解这三个方面进行分析比较;在对基本的算法的分析比较基础上,分析了一种基于克隆的免疫遗传算法、基于高低位变异的免疫算法、基于粒子群优化的免疫算法。主要分析了加入的算子,对提高整个算法性能的研究,同时结合了改进前的算法进行了仿真实验比较。最后,在此基础上,分别提出了两个改进的免疫算法。第一个提出了基于粒子群优化的自适应免疫算法,分别对比分析了基于克隆的免疫遗传算法、基于高低位变异的免疫算法、基于粒子群优化的免疫算法这三个算法,从改进和未改进这两个角度分析了算法的原理、实现及其特点。通过对算法机制的分析、研究及改进后,提出了基于粒子群优化的自适应免疫算法,将改进后的算法应用于数字图像聚类,通过仿真实验证明改进后的算法,在收敛代数、能够达到最优解这两方面都得到了提高;在收敛时间上,相对于基于粒子群优化的免疫算法得到了提高。接下来又提出一个两次寻求全局最优解的免疫算法,该算法是对图像边缘检测中阈值的寻优,通过二次寻优找到边缘检测的最优阈值,从而得到一个满意的图像边缘。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 最优化问题
• 1.3 国内外数字图像处理研究的现状及发展方向
• 1.4 本课题的任务
• 第二章 计算机免疫学
• 2.1 生物免疫系统机理
• 2.2 计算机免疫学基本原理
• 2.3 基于群体的免疫算法
• 第三章 免疫算法和最优化问题
• 3.1 最优化算法
• 3.2 进化算法
• 3.2.1 遗传算法
• 3.2.2 粒子群算法
• 3.2.3 免疫算法与其它算法的仿真实验结果与分析
• 3.3 改进的免疫算法
• 3.3.1 基于克隆的免疫遗传算法
• 3.3.2 基于高低位变异的免疫算法
• 3.3.3 基于粒子群优化的免疫算法
• 3.4 结论
• 第四章 免疫优化在数字图像中的应用
• 4.1 前言
• 4.2 基于粒子群优化的自适应免疫算法
• 4.2.1 图像分割的聚类介绍
• 4.2.2 基于粒子群优化的自适应免疫算法
• 4.2.3 仿真实验结果与分析
• 4.3 基于改进的免疫算法的边缘检测阈值自动选取
• 4.3.1 图像分割的边缘检测介绍
• 4.3.2 改进的免疫算法
• 4.3.3 仿真实验结果与分析
• 4.4 结论
• 第五章 结论与展望
• 致谢
• 参考文献
• 附录：作者在攻读硕士学位期间发表的论文