学位论文 > 优秀研究生学位论文题录展示

量子粒子群算法研究及其在图像矢量量化码书设计中的应用

作　者: 李殷
导　师: 李飞
学　校: 南京邮电大学
专　业: 信号与信息处理
关键词: 量子计算 粒子群算法 量子粒子群算法 矢量量化 码书设计
分类号: TP301.6
类　型: 硕士论文
年　份: 2012年
下　载: 46次
引　用: 0次
阅　读: 论文下载
 

内容摘要


量子智能优化算法与其对应的经典优化算法相比具有更好的种群多样性;种群分散性好,小种群染色体可以对应多个搜索状态;更具并行性;收敛速度更快;具有极强的全局搜索能力等优点。量子粒子群算法是将量子计算与模仿自然界生物行为的粒子群优化算法相融合的量子群智能优化算法。本文主要研究量子粒子群算法的特性及其改进,并将其应用于图像矢量量化码书设计中。主要的研究工作有:首先,研究了粒子群优化算法及带权重和带收缩因子的粒子群算法的特性,并在此基础上研究量子粒子群算法的基本原理和算法流程,通过仿真实验表明,在复杂函数优化问题中,量子粒子群算法比粒子群算法有更好的优化性能。其次,研究了量子进化算法、实数编码的量子进化算法的原理和性能,并将实数编码的量子进化算法的思想引入到粒子群算法中,提出一种新型的量子粒子群算法。几组基准函数的实验仿真和0-1背包问题的应用研究结果证明了所提出的新型的量子粒子群算法的可行性和高效性。最后,研究了矢量量化技术、LBG码书设计算法及其改进算法的性能。给出了基于粒子群、量子粒子群以及新型量子粒子群的矢量量化码书设计方法的设计过程和算法流程,通过测试图像的仿真实验表明,新型的量子粒子群算法能够设计出比量子粒子群算法、传统的LBG及其改进算法具有更高性能的码书。

全文目录


摘要  4-5
ABSTRACT  5-9
第一章 绪论  9-12
  1.1 课题的研究背景及意义  9-10
  1.2 本文的主要研究内容  10-12
第二章 粒子群算法及量子粒子群算法  12-25
  2.1 引言  12
  2.2 粒子群算法  12-16
    2.2.1 基本粒子群算法的原理  12-13
    2.2.2 PSO 算法的基本流程  13-14
    2.2.3 带惯性权重的粒子群算法  14-15
    2.2.4 带收缩因子的粒子群算法  15-16
  2.3 量子粒子群算法  16-24
    2.3.1 QPSO 算法的原理  16-18
    2.3.2 QPSO 算法的流程  18
    2.3.3 算法的性能测试  18-24
  2.4 本章小结  24-25
第三章 新型量子粒子群算法的研究  25-39
  3.1 引言  25
  3.2 实数编码量子进化算法RCQEA  25-28
    3.2.1 量子进化算法简介  25-26
    3.2.2 RCQEA 的基本原理  26-28
    3.2.3 RCQEA 算法流程  28
  3.3 新型的量子粒子群算法  28-35
    3.3.2 NQPSO 算法流程  31
    3.3.3 算法的性能测试  31-35
  3.4 应用NQPSO 求解0-1 背包问题  35-38
    3.4.1 0-1 背包问题的描述  35-36
    3.4.2 仿真结果及分析  36-38
  3.5 本章小结  38-39
第四章 基于量子粒子群算法的矢量量化码书设计  39-68
  4.1 矢量量化技术简介  39-42
    4.1.1 矢量量化的基本原理  39-40
    4.1.2 矢量量化的关键技术  40-41
    4.1.3 矢量量化的性能评价标准  41-42
  4.2 经典的LBG 码书设计算法  42-44
    4.2.1 最优矢量量化的必要条件  42-43
    4.2.2 LBG 算法的原理  43-44
  4.3 改进的LBG 算法  44-48
    4.3.1 改进的LBG 算法描述  44-46
    4.3.2 改进的LBG 算法的性能测试  46-48
  4.4 基于粒子群算法的矢量量化码书设计  48-51
    4.4.1 基于粒子群的矢量量化码书设计算法的过程  48-50
    4.4.2 算法的流程图  50-51
  4.5 基于量子粒子群算法的矢量量化码书设计  51-58
    4.5.1 基于量子粒子群的矢量量化码书设计算法的步骤  51-53
    4.5.2 算法的流程图  53
    4.5.3 仿真实验及结果分析  53-58
  4.6 基于新型的量子粒子群算法的矢量量化码书设计  58-67
    4.6.1 基于新型量子粒子群的矢量量化算法步骤  58-60
    4.6.2 算法的流程图  60-61
    4.6.3 仿真实验及结果分析  61-67
  4.7 本章小结  67-68
第五章 总结与展望  68-70
  5.1 课题研究总结  68
  5.2 工作展望  68-70
致谢  70-71
参考文献  71-74
攻读硕士学位期间发表的论文  74

相似论文

  1. 基于重叠变换与矢量量化的图像压缩算法及应用研究,TN919.81
  2. 有源电力滤波器及其在配电网中的应用,TN713.8
  3. 基于粒子群的分子对接算法,R91
  4. 基于粒子群算法的露天矿道路路径优化研究,TP301.6
  5. 移动机器人路径规划研究及仿真实现,TP242
  6. 变邻域搜索算法研究及在组合优化中的应用,TP301.6
  7. 电力系统无功优化的混合算法研究,TM714.3
  8. 压缩感知算法及其在矢量量化中的应用,TN911.7
  9. 基于QoS的无线传感器网络路由算法研究,TP212.9
  10. 参数协进化的改进和声搜索算法及其应用,TP391.3
  11. 非汛期水库群协同优化调度与应用研究,TV697.11
  12. 不确定环境下供应链多时段生产采购计划问题研究,F224
  13. 改进二进制粒子群算法在梯级水电站AGC中的应用研究,TV737
  14. 基于参数辨识的电力系统动态等值方法研究,TM712
  15. 粒子群算法在水库防洪优化调度中的应用研究,TP301.6
  16. 智能电网中蓄电池储能的价值评估研究,TM76
  17. 柔性路径下基于混合粒子群算法的跨单元调度方法,TH165
  18. Pre~2VOD：一种VCR操作支持的VOD/P2P系统,TN948.64
  19. 多自主车传感网络信息传输的优化配置研究,TN929.5
  20. 无人机区域侦察航路规划研究,V279.3

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 一般性问题 > 理论、方法 > 算法理论
© 2012 www.xueweilunwen.com