遗传算法开题报告

文献综述 现在日益发展的社会中，图像的模式识别运用越来越广泛，图像识别的目的就是通过对图像传感器采集到的图像进行分析研究，提取出目标的特征，本文主要选取了图像识别中的一个重要分支一图像匹配作为主要研究对象。图像匹配的主要目的就是找到最优的空域坐标变换和亮度变换。遗传算法以其简单、鲁棒性强、不需要很多先验知识等特点，使它能适应于不同的环境、问题，并且在大多数情况下都能得到最优解，因此将遗传算法运用于图像匹配，具有十分重要的意义[1]。     遗传算法起源于上世纪60年代中期，JohnHolland提出的位串编码技术。遗传算法，也成为进化算法，是1975年根据达尔文的自然选择和遗传学的生物进化抽象出来的一种启发式算法。其产生的最初目的是为了应对经典数学方法无法有效解决的大型复杂的最优化问题[2]。简单描述思想：在一个随机的初始化集合中，根据个体的适应度大小选择个体，再通过遗传学的交叉和变异，产生一个比之前更优的集合，同时也相对更接近全局最优解[3]。 传统的匹配方法如模板匹配法等，在时间和精度上相互矛盾的，针对该问题，提出了基于遗传算法的图像识别。遗传算法具有自适应的迭代寻优搜寻和直接对结构对象进行操作的算法特点，同时也是一种基于种群进化的全局优化搜索算法，具隐含的并行性[4]。通过群体适应度控制的遗传操作，使群体不断优化，从而找到满意解或最优解。利用遗传算法的这种优势可以屏蔽掉模板匹配目标过程中对复杂参数的确定过程[5]。因此，利用遗传算法的随机搜索和优化技术，将遗传算法的迭代寻优搜索作为图像模板匹配的搜索策略，在基于标准遗传算法的图像匹配的基础上，改进了基于混沌遗传算法的图像匹配和基于免疫的小生境遗传算法的多目标图像匹配。通过实验得到，混合遗传算法可以克服标准遗传算法过早收敛的缺点从而将免疫的小生境技术和遗传算法结合使用，维持了多样性[6]。 遗传算法，目前在很多优化问题上，都有成功的应用，但是也暴露出一些不足，比如：遗传算法侧重于全局搜索，局部搜索能力就比较差；在生物多样性的情况下，会出现一定的收敛误差等。这些不足就非常耗费时间。遗传算法是未来研究的重点算法，目前各国学者一直在致力于解决这些问题。 但遗传算法，在寻找最优解的过程中，有一个重要特点：始终保持整个种群的进化[7]。所以遗传算法不需要保持连续可微，在解决实际问题时，有很强的适应性[8]。遗传算法，作为生物进化思想在工程计算中的一种体现，它的前途是光明可见的。 本设计是通过遗传算法这一方法然后利用计算机对图像进行处理、分析和理解，以识别图像中的各种不同模式的目标对象并提取相关信息。

设计（论文）主要内容 本设计主要是基于遗传算法的图像识别，需做到以下几点： 1.深度学习python并且掌握其使用方法； 2.学习遗传算法的相关知识；     3.总结知识设计出设计方案； 4.多次调试保证方案的可行性；

三、设计（研究）方案 一、初始化种群 初始化g个解 迭代T轮 解与解之间进行部分交换,交换的方式是多种多样，具体问题有具体方案。抽个别解作单独的随机调整。越优秀的解，适应度越大。生成轮盘按适应度占比分配轮盘面积，适应度越大面积就越大。赌轮盘选择下一代仍抽g个解作为下一代，本轮最优必须进入下一轮，剩余g-1个通过赌轮盘确定选择哪一个(赌g-1次轮盘)。赌轮盘的方法:每次生成一个[0,1]之间的随机数，随机数指向轮盘哪个位置就抽哪个(有可能重复抽到同一个)。 三、输出结果     最后，遗传算法输出历史最优的解作为最终的解。 流程图如图一所示： 图1总体设计框图

四、工作进度安排 1.查阅文献，撰写开题报告；                                                       第1-2周  2.学习如何使用python以及掌握其使用方法；明确设计方案；                          第3-6周 3.毕业实习；                                                                     第7-10周 4.学习遗传算法以及编写程序实现设计要求功能，利用软件进行初步调试；               第10-11周 5.通过软件进行图像识别的实现，完成调试；                                         第12周 6.整理资料，撰写毕业设计说明书初稿；                                             第13周 7.修改毕业设计说明书，准备毕业答辩；                                             第14周 8.毕业答辩；                                                                     第15-16周

主要参考文献 [1]边肇祺，张学工等.模式识别[M].北京:清华大学出版社，2000. [2]程正兴.小波分析算法与应用[M].西安:西安交通大学出版社，1998. [3]夏庆观，盛党红，路红等。零件图像特征提取和识别的研究[J].中国机械工程，2005. [4]王小平，曹立明.遗传算法理论应用与软件实现[M].西安:西安交通大学出版社，2002. [5]范宁.基于遗传算法的图像识别方法研究[D].吉林大学,2015. [6]吴小菁,陈星娥.遗传算法在图像识别技术中的应用[J].保山学院学报,2013,32(05):67-69. [7]张葵.智能识别技术在图像处理中的应用[D].华东师范大学,2009. [8]赵强.基于遗传算法图像识别的硬件实现[D].西安理工大学,2009.

六、指导教师意见 签字： 年   月   日

七、系毕业设计（ 论文）工作领导小组意见                                              签字： 年    月     日