基于改进MOJAYA/D算法的图像分割

为处理多目标优化问题,提出一种基于分解的多目标JAYA(MOJAYA/D)算法.该算法在原始基于分解的多目标算法的基础上,将JAYA算法延伸至多目标优化领域;同时,引入Lévy飞行策略增强算法的扰动,并且增加一个反馈学习阶段来提高个体的学习能力,使得算法的多样性和全局寻优的水平得到提高.为了验证提出算法的性能,将该算法在ZDT和DTLZ测试函数上与几个经典的多目标算法进行对比.实验结果表明,MOJAYA/D在收敛性和多样性方面都优于其他比较算法.最后,将该算法应用于多个目标准则下的图像分割问题.分割结果表明,MOJAYA/D在处理图像分割问题上效果显著.