遗传算法及其在图像分割中的应用.pdfVIP

遗传算法及其在图像分割中的应用 目录 遗传算法简介 图像分割简介 一维最大熵阈值分割 二维最大熵阈值分割 2016/4/27 2 2 / 16 遗传算法 遗传算法简称GA （Genetic Algorithms）遗传算法是20世纪60~70年代主要由 美国John Holland 教授提出。 其内涵哲理启迪于自然界生物从低级、简单到高级、复杂，乃至人类这样一个 漫长而绝妙的进化过程。借鉴 Darwin 的物竞天择、优胜劣汰、适者生存的自然选 择和自然遗传的机理。 其本质是一种求解问题的高效并行全局搜索方法，它能在搜索过程中自动获取 和积累有关搜索空间的知识，并自适应地控制搜索过程以求得最优解。 2016/4/27 3 3 / 16 遗传算法基本思想 从初始化的群体出发， 通过随机选择 (复制) （使群体中优秀的个体有更多 的机会传给下一代），交叉（体现了自然界中群体内个体之间的信息交换）， 和变异（在群体中引入新的变种确保群体中信息的多样性）等遗传操作，使最 具有生存能力的染色体以最大可能生存, 群体一代一代地进化到搜索空间中越 来越好的区域. 2016/4/27 4 4 / 16 基本遗传算法的构成要素 (1)染色体编码方法 基本遗传算法使用固定长度的二进制符号串来表示群体中的个体，其等位基因 由二值符号集{0，1}组成。 初始群体中各个个体的基因值用均匀分布的随机数来生成 。如： x ； 100111001000101101就可表示一个个体，该个体的染色体长度是 l＝18。 (2)个体适应度评价 基本遗传算法按与个体适应度成正比的概率来决定当前群体中每个个体遗传到 下一代群体中的机会多少。 2016/4/27 5 5 / 16 (3) 遗传算子 基本遗传算法使用下述三种遗传算子： • 选择运算：使用比例选择算子； • 交叉运算：使用单点交叉算子； • 变异运算：使用基本位变异算子。 (4) 基本遗传算法的运行参数 基本遗传算法有下述4个运行参数需要提前设定： • M：群体大小，即群体中所含个体的数量，一般取为20 ~ 100。 • T：遗传运算的终止进化代数，一般取为100 ~ 500 • p ：交叉概率，一般取为0.4 ~ 0.99 c • p ：变异概率，一般取为 0.0001 ~ 0.1 m 2016/4/27 6 6 / 16 基本遗传算法的形式化定义 基本遗传算法可定义为一个7元组： GA＝ (M, F, s, c, m, p , p ) c m M