一个增强的秘书鸟优化算法,基于精确的消除机制和边界控制,用于数值优化和低光图像增强

科学领域:

• 计算智能是一种计算智能.
• 优化算法 优化算法
• 超启发式计算 超启发式计算

背景情况:

• 由于局部最佳和有限的适应性,元启发式算法难以处理复杂的问题.
• 现有的方法通常需要复杂的建模,并表现出差的融合.
• 加强勘探和开发对于强大的优化至关重要.

研究的目的:

• 提出一个增强的Secretary Bird优化算法 (MESBOA),以提高复杂的优化任务的性能.
• 解决传统元启发术的局限性,包括局部最佳和过早的融合.
• 通过基准功能和实际的图像增强应用程序来验证MESBOA的有效性.

主要方法:

• 开发了MESBOA,整合了一个精确的人口消除战略,以优化人口.
• 实施了基于镜头成像的对立学习策略,以扩大解决方案空间探索.
• 纳入了基于最好的个人来限制搜索范围的边界控制策略.

主要成果:

• 在23个基准函数和CEC2022测试套件上,MESBOA显著超过了原来的SBOA和其他算法 (GWO,WOA,PSO).
• 与现有方法相比,实现了优越的融合速度,解决方案准确性和稳定性.
• 在低亮度图像增强方面表现出增强的性能,改善了MSE,PSNR和SSIM指标.

结论:

• 对于复杂的优化问题,MESBOA提供了一种高效,强大的解决方案.
• 提议的改进有效地缓解了局部最佳情况和过早的趋同.
• 梅斯博阿显示出在各种科学和工程领域广泛应用的巨大潜力.