改进快速人工蜂群算法用于图像分割

在标准ABC算法中，雇佣蜂和观察蜂采用相同的公式3.7对食物源进行探查，也就是说雇佣蜂和观察蜂采用相同的策略在同一区域，用相同的方式探测和发现新的、更好食物源。但是在实际的蜂群觅食过程中，雇佣蜂和观察蜂在同一区域，采用不同的方式探测新食物源［156］。因而对于观察蜂，当它到达某个食物源并展开搜索时，采用不同于公式3.7的搜索方式是非常符合逻辑的。有文献［156］提出了一种以邻近区域中最佳适应度食物源为中心的全新搜索行为，如公式3.10所示。

式中，为当前食物源tj的所有邻居食物源的最优解；Nj为包含tj自身在内的所有邻居食物源；根据搜索结果更新的食物源；其他参数与公式3.7相同。由公式可以看出，该模型的关键在于邻居食物源的定义方式。

续表

Karaboga等人只给出了简单数值最优问题的邻近食物源定义。然而，对于不同的问题，需要定义不同的相似性度量方式。对于多阈值图像分割问题，每一个可行解是一个数字序列，所有的种群组成一个SN行M列的二维向量，因此区别于文献［156］的定义方式，本书给出的邻居食物源距离定义为：(www.xing528.com)

式中，dj，i为食物源tj寻找邻域食物源的搜索范围；SN为食物源数量；M为某个食物源的维数。

当某个解到tj的欧氏距离小于dj时，该解被定义为当前解tj的邻居。区别于标准ABC算法和QABC算法，本书中观察蜂在到达食物源tj时，首先检测其所有邻域食物源，并选择最佳食物源，最佳食物源的定义如公式3.12。然后以该最佳食物源为中心使用公式3.10进行最优搜索。

改进以后的MQABC算法，如算法2所示。