改进收敛条件的动态调整惯性权重PSO算法  

Improved Particle Swarm Optimization with dynamically changing inertia weight

作　　者：冯婷[1] 陆雪松[1] 阳维[1] 张素[1] 

机构地区：[1]上海交通大学生命科学技术学院生物医学仪器研究所,上海200240

出　　处：《计算机工程与应用》2009年第3期175-177,共3页Computer Engineering and Applications

基　　金：国家重点基础研究发展规划(973)(No.2003CB716103);上海市科委重点攻关项目(No.05DZ19509)~~

摘　　要：在医学图像配准中需要解决互信息图像配准过程中局部极值问题,引入了一种动态调整惯性权的自适应粒子群算法;验证了其中两个重要参数的取值,并均匀赋值粒子初始位置,避免随机产生的初始位置集中在某一区域而使寻优陷入局部极值,同时加入进化速度因子作为搜索中止条件,加快了搜索速度。实验表明,该算法既能找到全局最优又能快速收敛。Particle Swarm Optimization （PSO） is a global evolutionary approach,which can effectively avoid the local extremum in biomedical image registration.A new particle swarm optimization with dynamically changing inertia weight is applied in image registration based on mutual information.The initial location is assigned uniformly to avoid local extremum caused by evolution in some little area initiated randomly.A parameter is added to control the ceasing of iteration,improving the speed.Experimental resuhs indicate that the new algorithm can find the global optimization and converged fast.

关 键 词：医学图像配准 全局寻优 粒子群算法 动态调整惯性权重 

分 类 号：R319[医药卫生—基础医学] TP751[自动化与计算机技术—检测技术与自动化装置]