1 辽宁工程技术大学电子与信息工程学院, 辽宁 葫芦岛 125105
2 辽宁工程技术大学电气与控制工程学院, 辽宁 葫芦岛 125105
针对自适应蚁群优化(AACO)算法在图像边缘提取中经常出现效率低、易陷入局部极值等问题,提出一种结合生物Predator-Prey 行为的自适应蚁群图像边缘检测算法。该算法将Predator-Prey 行为与AACO 算法相结合,将蚁群分成Predator 种群和Prey 种群,初始阶段利用AACO 算法进行搜索两种群,一定迭代次数后,两种群进入排斥阶段;通过自动阈值法提取图像边缘。实验结果表明,与AACO 算法和Canny 算法相比,在精确度方面,该算法提取的图像边缘明显优于前两种算法提取的边缘;同时保持了AACO 算法收敛速度快的特点,并克服了其易陷入局部极值等缺点;因此,该算法能够高效准确地检测出图像边缘。
图像处理 边缘检测 自适应蚁群优化算法 生物捕食-被捕食行为 自适应调整策略 激光与光电子学进展
2015, 52(5): 051001
南京邮电大学 通信与信息工程学院, 江苏 南京210003
动态RWA( 路由与波长分配) 问题是智能光网络的核心问题, 以蚁群算法为代表的启发式算法是解决此类问题的优选方案之一。文章提出一种基于ADACO(自适应蚁群优化)算法的RWA机制, 针对信息素挥发系数ρ采取自适应策略, 实现了对全局信息素更新态调节。理论分析和数值仿真结果表明, 与Dijkstra+FF(首次命中)算法相比, 改进的ADACO+FF算法可以有效地降低网络阻塞率, 规则型Mesh网络和NSFNET(国家科学基金会网络)的阻塞率最高分别降低了0.3和0.2。
智能光网络 动态路由波长分配 启发式算法 自适应蚁群优化算法 自适应策略 ION dynamic RWA heuristic algorithm ADACO algorithms adaptive strategy