[发明专利]基于改进人工蜂群算法的图像配准方法

权利要求书

1.基于改进人工蜂群算法的图像配准方法，其特征在于，包括以下步骤：

步骤1、确定待优化参数及适应度函数，初始化第一代人工蜂群，产生初始食物源；

步骤2、雇佣蜂寻找当前食物源的临近食物源，用贪心法在当前食物源与临近食物源之间作出选择；

步骤3、雇佣蜂分享食物源信息给观察蜂，观察蜂计算所有食物源的适应度值；

步骤4、观察蜂利用轮盘赌算法选择适应度值较小的食物源，同时引入差分策略进行临近食物源的二次搜索；

步骤5、重复步骤2-4，直至达到最大迭代次数；

步骤6、迭代结束，输出最优解。

2.按照权利要求1所述的基于改进人工蜂群算法的图像配准方法，其特征在于，适应度值的计算方法为：

fita(xa→)=11+f(xa→)f(xa→)≥01+abs(f(xa→))f(xa→)<0]]>

其中f(·)是目标函数的函数值，为食物源。

3.按照权利要求1所述的基于改进人工蜂群算法的图像配准方法，其特征在于，引入差分策略进行食物源的二次搜索进一步包括：

在二次搜索临近食物源的迭代次数较小的前期阶段，更大概率引入差分与人工蜂群结合的算法来确定临近食物源的位置：

y_aj＝x_aj+φ·(x_bj-x_cj)

而在二次搜索临近食物源的迭代次数较大的后期阶段，更大概率用原始的人工蜂群算法来确定临近食物源的位置：

y_aj＝x_aj+φ·(x_aj-x_bj)

其中与是两个随机选择的与食物源的相异的食物源，a≠b≠c且1≤a,b,c≤Foodnumber，Foodnumber是食物源的总数，j是随机选择的位置索引(1≤j≤D)，φ是[-1,1]之间的任意随机数；

寻找到临近食物源后，根据适应度值大小，在和之间使用贪心法选择适应度值较小的食物源，产生新的食物源。