مشخصات مقاله:
عنوان فارسی مقاله:
یک مطالعه تطبیقی از روشهای متاهیوریستیک مختلف اعمال شده به مسئله آستانه گذاری چند سطحی
عنوان انگلیسی مقاله:
A comparative study of various meta-heuristic techniques applied to the multilevel thresholding problem
کلمات کلیدی مقاله:
آستانه چند سطحی، تقسیم بندی تصویر، الگوریتم ژنتیک، بهینه سازی ازدحام ذرات،تکامل دیفرانسیل، بهینه سازی کلینیک مورچه، شبیه سازی آنیل، جستجوی tabu
مناسب برای رشته های دانشگاهی زیر:
مهندسی کامپیوتر
مناسب برای گرایش های دانشگاهی زیر:
مهندسی الگوریتم ها و محاسبات، مهندسی نرم افزار و هوش مصنوعی
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1-مقدمه
2- فرمولاسیون مسئله آستانه‌گذاری چندسطحی
3- مرور روشهای بهینه‌سازی فرااکتشافی
3-1- الگوریتم ژنتیک
3-2- بهینه سازی ازدحام ذرات
3-3- تکامل تفاضلی
3-4- بهینه‌سازی کلونی مورچه
3-5- تبرید شبیه‌سازی شده
3-6- جست و جوی تابو
4- نتایج تجربی و مطالعه مقایسه‌ای
5- نتیجه‌گیری
قسمتی از مقاله انگلیسی و ترجمه آن:
Abstract
The multilevel thresholding problem is often treated as a problem of optimization of an objective function. This paper presents both adaptation and comparison of six meta-heuristic techniques to solve the multilevel thresholding problem: a genetic algorithm, particle swarm optimization, differential evolution, ant colony, simulated annealing and tabu search. Experiments results show that the genetic algorithm, the particle swarm optimization and the differential evolution are much better in terms of precision, robustness and time convergence than the ant colony, simulated annealing and tabu search. Among the first three algorithms, the differential evolution is the most efficient with respect to the quality of the solution and the particle swarm optimization converges the most quickly.
چکیده
مسئله آستانه‌گذاری چندسطحی اغلب به عنوان یک مسئله بهینه‌سازی یک تابع هدف در نظر گرفته شده است. این مقاله تطبیق و مقایسه شش روش متاهیوریستیک را برای حل مسئله آستانه چندسطحی ارائه می‌دهد: الگوریتم ژنتیک، بهینه‌سازی ازدحام ذرات، تکامل تفاضلی، کلونی مورچه، تبرید شبیه‌سازی شده و جست و جوی ممنوع. نتایج آزمایشها نشان می‌دهند که الگوریتم ژنتیک، بهینه‌سازی ازدحام ذرات و تکامل تفاضلی از نظر دقت، نیرومندی و همگرایی زمانی نسبت به کلونی مورچه، تبرید شبیه‌سازی شده و جست و جوی ممنوع خیلی بهتر هستند. در بین سه الگوریتم اول، تکامل تفاضلی با توجه به کیفیت راه حل کارامدترین میباشد و بهینه‌سازی ازدحام ذرات بسیار سریع همگرا می‌شود.