1 简介
SOMA 是一个基于合作竞争策略的优化算法。在生物群体中, 合作与竞争往往是并存的。如一群动物在寻找食物时, 若某一个体率先发现食物而成为群体中的领先者, 群体中其它个体得到此信息后, 往往会改变其运动方向, 向领先者所在位置前进。如在搜索过程中, 某个体比先前的领先者更为成功(如发现更多或更好的食物) 群体中其它个体往往会再次改变其运动方向, 转而向新的领先者所在位置前进 。SOMA 从上述“合作-竞争” 行为中得到启发, 通过寻优群体在问题空间中的自组织迁移运动, 逐步达到或接近最优解.
2 部分代码
clc;clear all;close all;%Read image and add noiseimg = (im2double((imread('lena512.bmp'))));imn = imnoise(img,'salt & pepper',0.05);%Perform Denoising using SOMAparameters = Run_SOMA(imn,img)denoised_image = output_file(imn,parameters(1),parameters(2),parameters(3),parameters(4),round(parameters(5)),round(parameters(6))); %Perform Denoising using Universal Thresholing (inbuilt MATLAB function)[THR,SORH,KEEPAPP] = ddencmp('den','wv',imn);dn1 = wdencmp('gbl',imn,'db4',2,THR,SORH,KEEPAPP);%PSNRpsnr_org = PSNR(img,imn);psnr_mat = PSNR(img,dn1);psnr_denoise = PSNR(img,denoised_image);%SSIMssim_org = ssim(img,imn);ssim_mat = ssim(img,dn1);ssim_denoise = ssim(img,denoised_image);disp('PSNR Values')disp('For Original Noisy image')disp(psnr_org)disp('For Universal Thresholding')disp(psnr_mat)disp('For SOMA')disp(psnr_denoise)disp('SSIM Values')disp('For Original Noisy image')disp(ssim_org)disp('For Universal Thresholding')disp(ssim_mat)disp('For SOMA')disp(ssim_denoise)subplot(1,3,1)imshow(imn)title('Noisy image');subplot(1,3,2)imshow(dn1);title('Denoised Image using Universal Thresholding')subplot(1,3,3)imshow(denoised_image)title('Denoised Image using SOMA')
3 仿真结果
4 参考文献
[1]程美英, 钱乾, 倪志伟,等. 信息筛选多任务优化自组织迁移算法[J]. 计算机应用, 2021.
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。
部分理论引用网络文献，若有侵权联系博主删除。
