1、，信息通信基于贪婪更新和自适应扰动的自然计算策略胡建暄，马宁，黄鑫宇（哈尔滨师范大学计算机科学与信息工程学院，黑龙江哈尔滨15 0 0 2 5）摘要：自然计算因其参数少好实现等优点而被广泛应用，但是这些算法存在着寻优精度较低和易陷入局部最优解的问题，为更有效的提高算法性能,提出一种基于贪婪更新和自适应扰动的自然计算策略(Greedy-renewaland Self-adaptionDisturb,简称GSD),该方法具备普适性，适用于所有启发式寻优算法。首先使用Faure序列化初始化种群,提高初始解的质量,其次在个体位置更新后，比对更新前后个体的适应度值，如果适应度提高则保留此次更新操作,反之
2、放弃此次更新,最后设计自适应扰动因子，随迭代次数增加调整对个体的扰动几率，提高算法后期的种群多样性。将该策略应用于粒子群算法和遗传算法中，利用经典测试函数验证性能。实验结果表明，贪婪更新和自适应扰动策略改进的算法较其他对比算法表现出了更好的寻优能力，具有普适性。关键词：自然计算；贪婪更新；自适应扰动中图分类号：TP301文献标识码：AA natural computing strategy based on greedy renewal and adaptive disturbanceHU Jianxaun,MA Ning,HUANG Xinyu(Harbin Normal Universit
3、y School of Computer Science and Information Engineering,Heilongjiang Harbin 150025,China)Abstract:Natural computing is widely used because of its advantages such as few parameters and easy implementation,but these algo-rithms have problems of low optimization accuracy and easy to fall into the loca
4、l optimal solution.In order to improve the algorithm per-formance more effectively,This paper proposes a natural computing strategy based on Greedy renewal and Self-adaption Disturb(GSD),which is universal and suitable for all heuristic optimization algorithms.Firstly,Faure serialization was used to
5、 initialize the population toimprove the quality of the initial solution.Secondly,after the update of the individual position,the fitness values of the individuals beforeand after the update were compared.If the fitness was improved,the update operation would be retained;otherwise,the update would b
6、eabandoned.Improve the population diversity of the late algorithm.This strategy is applied to particle swarm optimization and genetic al-gorithm,and the performance is verified by classical test function.The experimental results show that the greedy update algorithm and theadaptive perturbation algo
7、rithm have better optimization ability than other comparison algorithms and have universality.Key words:Natural computation,Greedy renewal,Adaptive disturbance1引言自然计算（natural computation）是指研究自然界中蕴藏的收稿日期：2 0 2 3-0 2-0 3基金项目：黑龙江省自然科学基金项目（LH2021F037)；黑龙江省高等教育教学改革项目（SJGY20200368；哈尔滨市科技局科技创新人才研究专项项目（2 0
8、17 RAQXJ050）；哈尔滨师范大学博士科研启动基金项目(XKB201901)；哈尔滨师范大学计算机学院科研项目（JKYKYY202006)；哈尔滨师范大学研究生培养质量提升工程项目（HSDYJSJG2019006）。作者简介：胡建喧（1995-），男，黑龙江鹤岗人，研究生，硕士，主要研究方向为：自然计算；马宁（198 1-），男，黑龙江哈尔滨人，博士，副教授，主要研究方向为：自然计算；黄鑫宇（2 0 0 0-)，女，黑龙江七台河人，研究生，主要研究方向为：自然计算。+.+表1实验数据本文滤波算法误差统计参考文献：滤波后数据滤波结果参考数据地面点数非地面点数地面点数45325非地面点数39
9、62滤波后结果49287表2 实验数据渐进三角网滤波算法误差统计滤波后数据滤波结果参考数据地面点数非地面点数参考点数误差类型误差率地面点数44596非地面点数5212滤波后结果498083结语文章根据机载Lidar点云数据的特点，对渐进三角网滤波算法提出了改进，提高了提取地面点云的准确率，很大程度上提高了滤波算法的精度，改善了滤波后的效果，为下一步针对地面点云提取特定点云打下了坚实的基础。2023年第0 5 期(总第 2 45 期)文章编号：2 0 96-97 5 9(2 0 2 3)0 5-0 0 90-0 4计算能力以及受到自然界启发而出现的计算方法的研究领域，主要涵盖以下三个方面：自然启
10、发的计算、自然仿真或模拟、利1张小红.机载激光扫描测高数据滤波及地物提取 D.武汉：一参考点数误差类型误差率236047685第I类误差4.95%100403104365第I类误差3.80%102763152050308947685第I类误差6.48%99153104365第I类误差4.99%102242152050武汉大学,2 0 0 2.2 甘桂琴.机载LiDAR点云数据滤波方法研究 D.中南大学,2 0 12.3 Zhang Yibin,Sui Lichun,Qu Jia,et al.Filtering of Airborne总误差4.16%总误差5.46%LiDAR Data Base
11、d on Mathematical Morphology FilteringAlgorithmJ.Bulletin of Surveying and Mapping.4 Vosselman G.Slope based filtering of laser altimetry dataJ.International Achives of Photogrammetry and RemoteSensing,2000,33(B3):935-942.5苏伟,孙中平,赵冬玲，等.多级移动曲面拟合LIDAR数据滤波算法 J.遥感学报,2 0 0 9,13(0 5):8 2 7-8 39.6 AXELSSON
12、 P.DEM Generation from Laser Scanner DataUsing Adaptive TIN ModelsC/Proceeding of InternationalArchives of the Photogrammetry,Remote Sensing and SpatialInformation Sciences.Amsterdam:s.n.,2000:110-117.7隋立春,张熠斌,张硕,等.基于渐进三角网的机载LiDAR点云数据滤波 J.武汉大学学报(信息科学版),2 0 11,36(10):115 9-116 3.90Changjiang Informat
13、ion&Communications用自然物质计算。在模拟自然界自然现象而产生的方法中，常见的主要分为粒子群算法（ParticleSwarmOptimization，简称PSO)和遗传算法（Genetic Algorithm，简称GA)两类，这两类算法通过仿真个体种群的自然特性，采用不同的变换规则对解空间进行探索以求得最优解。基于PSO又产生了模拟动物种群的优化算法，如蜻蜓算法，鲸鱼算法等。诸多研究团队在自然算法优化中投入了很多心力并做出了很多出色的贡献，目前有大量的优化算法被用于塑料工艺,材料切割，软件测试，图像分割 5 等方面。这些优化算法具备着参数少好实现等优点，但是都存在收敛精度不足以
14、及容易陷入局部最优解的问题。为提高自然计算的寻优性能，国内外学者都对不同算法进行了研究改进。Sun等人以概率混合改进鲸鱼算法和综合交错算法，提高鲸鱼算法的全局寻优能力,Liu等人 7 提出了种群再分配和收敛自适应加权策略，根据概率将当前个体替换为最优个体，有效加快算法收敛速度。Xia等人8 使用动态变换概率和种群重构机制改进了蝴蝶算法，通过淘汰适应度较差个体的方式增强了全局寻优能力。Wang等人 提出了自适应惯性权重、动态螺旋搜索和广义对立学习5 种策略对鲸鱼算法进行改进，对个体从初始化到位置更新操作都做了相应调整，提高了收敛速度和精度。Sun等人 o在鲸鱼算法中引入了二次插值概念，即在n维空
15、间中中找三个代理获得曲线最小值点替换当前个体，按比例对个体更换，增强了每次迭代解的质量。Deepika等人 提出用差分进化方法改进灰狼算法，有效平衡头狼和狼群的关系。上述算法在改造对应算法时表现出了优异的性能，但是都针对某一种算法,对算法的公式进行修改，耦合性较强，因此本文提出一种基于贪婪更新和自适应扰动的自然计算策略（Greedy renewal and Self-adaptionDis-turb，G SD)，不依赖与原算法更新方式，以切片的方式融合进算法，提高算法收敛性能。通过多个单峰多峰的测试函数验证，表明该算法在提升算法收敛性能上表现优秀，且可融合进不同算法中，具备普适性。2 GSD策
16、略描述2.1Faure序列初始化在各类依靠种群对解空间进行搜索的自然计算算法中，初始解的质量能很大程度上影响算法的迭代寻优性能，一个较好的初始解可以大大加快算法前期收敛速度，而初始解的质量主要与种群初始个体位置的数量和分布情况有关，初始个体分布越均匀则称其质量越好。100806040200-20-40-6080100-100-80-6040-20。20406080100图1Faure初始化种群与随机初始化种群分布对比图一般启发式自然计算算法中，初始解的点是通过伪随机方式生成，在迭代过程中会浪费一些迭代次数对解空间进行91胡建暄等：基于贪婪更新和自适应扰动的自然计算策略探索，从而影响了算法收敛速度。为了使初始个体在解空间中分布的更均匀和规律，本文通过Faure序列对个体初始解点进行完善优化，从而达到提高初始解的目的。Faure序列是混沌序列的一种，是一种随机性更强的序列,核心思想是以不小于维度m的最小素数b为基，对解空间进行切分处理，从而使初始个体能不重复且均匀的分布在解空间中。图1中将使用Faure初始化的种群标记为蓝色点，将原生初始化种群标记为红色点，从图中可以看到深色点在空间分布中
