基于人工免疫系統(tǒng)的多目標優(yōu)化與SAR圖像分割.pdf

1、最優(yōu)化問題是工程實踐和科學研究中的主要問題形式之一，其中，僅有一個目標函數的最優(yōu)化問題被稱為單目標優(yōu)化問題，目標函數超過一個并且需要同時處理的最優(yōu)化問題被稱為多目標優(yōu)化問題(Multi-objective Optimization Problems，MOPs)。本論文對其前沿方向之一--人工免疫多目標優(yōu)化模型進行了深入分析，針對高維多目標優(yōu)化問題、新型支配機制、自適應克隆策略、高效的多樣性保持技巧等具有挑戰(zhàn)性的問題進行了深入的研究，結合

2、國家自然科學基金項目、國家“973”項目和“863”計劃等，將提出的方法成功用于合成孔徑雷達(SyntheticAperture Radar，SAR)圖像分割難題。本論文工作可以概括如下：
　　 (1)目標維數較高的多目標優(yōu)化問題的難點在于，隨著非支配解急劇增加，經典算法由于缺乏足夠的選擇壓力導致性能急劇下降。為此，提出了基于偏好等級免疫記憶的克隆選擇多目標優(yōu)化算法，用于解決目標維數較高的優(yōu)化問題。利用決策者提供的偏好信息來為抗

3、體分配偏好等級，根據該值比例克隆抗體，增大抗體的選擇壓力，加快收斂速率。根據偏好信息來縮減Pareto前沿，并利用有限的偏好解估計該前沿。同時，建立了免疫記憶種群來保留較好的非支配解，采用ε支配機制來保持記憶抗體種群的多樣性。實驗結果表明，對于高達8目標的優(yōu)化問題，該算法取得了較好的實驗效果。
　　 (2)新型支配機制的研究是進化多目標優(yōu)化領域中的熱點和難點之一，其中，ε支配最具代表性。但是，它的缺點在于對于不同幾何形狀Pare

4、to前沿的問題，其性能十分敏感。本論文提出了改進ε支配機制的等度規(guī)映射方法，采用等度規(guī)映射把解映射到低維流形空間，發(fā)現(xiàn)隱藏于非支配解的幾何分布，在該空間進行ε支配的剪枝操作。與傳統(tǒng)的ε支配相比，該機制不會丟失部分有效解，能夠較好地保持解分布的均勻性。為克服傳統(tǒng)ε支配丟失部分極端解的不足，設計了極端解校驗算子。與四個代表的相關算法相比，本文提出的ε支配和極端解校驗算子能夠較好地保持解分布的均勻性和寬廣性，明顯地改進了傳統(tǒng)ε支配。
　

5、　 (3)算法的效率與進化搜索過程的自適應性操作密切相關。傳統(tǒng)算法多一成不變地為所有個體建立非支配等級關系，帶來了計算資源的浪費。本論文研究了基于在線非支配抗體的自適應多目標優(yōu)化算法，該算法根據當前的非支配抗體數量，把搜索階段劃分為三個不同時期，它們分別具有局部搜索和全局搜索以及混合搜索特性。當需要執(zhí)行全局搜索時，為所有個體建立非支配等級關系；當非支配抗體較多時，即需要局部搜索時，可以完全拋棄支配抗體，僅僅選取非支配抗體參與操作。此外

6、，為了較好地完成局部搜索，本章還設計一個基于比例克隆的局部增強搜索算法。本章算法明顯提高了搜索資源的利用率，增強了算法的自適應性和有效性，克服了恒定地為所有個體排序的缺點。
　　 (4)如何獲得穩(wěn)定而高效的免疫多目標優(yōu)化算法？針對當前免疫多目標優(yōu)化算法搜索過程的不穩(wěn)定和多樣性保持質量不高等缺點，提出了基于自適應等級克隆和動態(tài)刪除機制的高效免疫多目標優(yōu)化算法。自適應地選擇個體和分配克隆資源增強了種群進化的魯棒性，克服了傳統(tǒng)算法陷入

7、局部Pareto前沿的缺點。個體的近鄰信息會隨著個體的刪除而更新，傳統(tǒng)擁擠距離一次分配機制的多樣性指標具有很大缺陷，而動態(tài)的分配機制可以明顯克服該缺點，利于較好地保持解的多樣性。本章算法在收斂性、多樣性保持和運算時間均獲得滿意的實驗結果。
　　 (5)針對當前單目標SAR圖像分割中遇到的單個聚類指標難于發(fā)現(xiàn)復雜像素分布關系的缺點，結合多通道Gabor濾波和灰度共生矩陣對SAR圖像中的紋理信息進行描述，首次提出了一種基于免疫多目標

8、優(yōu)化的SAR圖像分割方法。多目標優(yōu)化可以揭示復雜樣本特點，對具有不同幾何結構的分類問題均有較好的劃分性能。采用本論文第五章提出的高效人工免疫多目標優(yōu)化算法作為本章SAR圖像精細分割算法依托框架。對于部分紋理圖像和ERS-2衛(wèi)星圖像取得了滿意的分割結果。實驗結果展示了免疫多目標計算在SAR圖像分割中的應用潛力。
　　 (6)針對當前基于進化計算的SAR圖像自動分割算法的穩(wěn)定性較差和現(xiàn)有多目標分割算法的效率不高等缺點，提出了高效的人

9、工免疫多目標像素域SAR圖像自動分割算法。多目標分割本質上是離散的兩目標優(yōu)化問題，為此，針對性地采用自適應等級均勻克隆機制和動態(tài)擁擠距離的刪除機制，后者雖然對于目標維數較高的優(yōu)化問題的多樣性保持能力不足，但是對于兩目標優(yōu)化問題，其計算量相對較小，且具有滿意的多樣性保持性能。此外，為了獲得分割圖像在細節(jié)方面的清晰識別，本章采用更為直接的SAR圖像斑點噪聲抑制算法，目的在于濾除斑點噪聲的同時，保留更多的紋理和邊緣等細節(jié)信息，有利于感興趣目標