计算机应用研究

作者：张新明,付子豪,陈海燕,刘尚旺,窦智,刘国奇,

单位：1.河南师范大学计算机与信息工程学院,河南新乡453007；2.湖北省肿瘤医院妇瘤科,武汉430079；

关键词：智能优化算法,郊狼优化算法,全局引导,图像增强,医学图像,

基金：国家自然科学基金资助项目(U1704158)；河南省高等学校重点科研项目(19A520026)；；

针对新型的郊狼优化算法（COA）在解决复杂优化问题时收敛速度慢、全局搜索能力不足的问题，提出了一种嵌入全局引导和相互作用的郊狼优化算法（GCCOA）。首先在组内所有郊狼的成长过程中，构建一种全局引导的alpha狼，增强开采能力，提高收敛速度；然后提出一种相互作用的文化趋势，使得组内的文化趋势受到组内郊狼相互作用的影响，以此提高算法全局搜索能力；最后，将GCCOA运用到CEC2017复杂函数优化和医学图像增强上。大量实验结果表明，与COA、HFPSO、CSPSO和β-GWO等算法相比，在29个函数上，GCCOA获得22个第一，有更好的全局搜索能力和收敛质量。应用于医学图像增强的实验结果表明，与COA等算法相比，GCCOA能更好地解决医学图像增强中参数优化问题。所以，GCCOA是一种很有潜力的优化算法。

来源：2020年第9期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第9期