一种基于多策略增强型RIME的元启发式算法，具备自适应策略协作功能，用于全局优化和艺术图像分割

《Scientific Reports》：A multi-strategy enhanced RIME-based metaheuristic with adaptive strategy collaboration for global optimization and art image segmentation

　　

摘要

传统的韵律优化算法（RIME）在处理复杂的优化问题时，如高维度、强多模态性以及基于应用的图像分割任务时，常常会遇到性能下降的问题。为了克服这些限制，本研究开发了一种多策略自适应的韵律优化方法，称为MSRIME，该方法通过自适应和协作机制提高了搜索的多样性和收敛稳定性。具体而言，MSRIME引入了一个动态调整的差分变异因子，以在优化过程中调节探索和利用的行为。此外，构建了一个由多种更新操作符组成的异构策略池，使得在不同优化阶段能够实现互补的搜索行为。进一步采用基于性能反馈的概率驱动策略选择方案，来动态分配搜索资源。该算法在CEC2017和CEC2022基准测试集上进行了评估，并与几种先进的元启发式算法进行了比较。实验结果表明，MSRIME在优化精度和鲁棒性方面始终表现出色。在Friedman统计测试中，MSRIME在CEC2017（30D和100D）上的平均排名分别为1.93和1.77，在CEC2022（10D和20D）上的平均排名分别为1.67和2.17，均优于所有竞争算法。此外，MSRIME还被应用于使用Otsu准则的多级阈值图像分割任务中。实验结果表明，该算法在不同图像和阈值水平上均获得了更高的PSNR、SSIM和FSIM值，证明了其在实际应用中的有效性。总体而言，所提出的MSRIME提供了一个高效且鲁棒的优化框架，在不增加计算复杂性的情况下显著提升了性能。