水波优化算法(Water Wave Optimization,WWO)1]是近年新提出的一种启发式优化智能算法。是由学者Zhang通过研究浅水波理论,从中得到启发,模拟水波的传播、碎浪和折射三种运动方式,使得水波能够在搜索空间内进行运动搜索,从而搜索到最优解的一种元启发式算法。WWO算法具有较好的性能,但水波优化算法本身存在着易于陷入局部最优,早熟收敛等不足,因此考虑引入改进的遗传算子,结合遗传算法和水波优化算法的优点,提出一种新型的混合算法模式,使混合算法具有更好的搜索能力,提高搜索精度的收敛速度,同时也可以避免陷入局部最优。本文以五种函数来验证混合算法,并将其与其它算法进行性能比较,对混合算法的有效性进行验证。同时将混合算法应用于图像匹配问题,提高了图像匹配的效率。工作主要有以下2点:1.本文提出一种水波优化算法和遗传算子的新型混合算法模式,首先对水波优化算法以及遗传算子本身进行改进。对水波优化算法引入混沌优化策略以减少初始化种群对算法优化性能的影响,同时,结合自适应参数更新机制,进一步改进算法;对遗传算子本身进行改进,提出一种依据适应度值的自适应策略,在提高遗传算子本身的同时,对整个个混合算法的性能有更好的提高帮助。最后通过几个通用的算例实验结果的对照表明,混合算法拥有更好的性能,能够更好的平衡局部和全局搜索能力,这也证明了对混合算法的构造及改进是可行的,其性能较简单水波优化算法更为高效的。2.论文最后针对图像匹配问题,设计了基于GAWWO的图像匹配方法,仿真实验结果表明本文所提出的算法具有更快的图像匹配速率和更高的匹配精度,极大程度的提高了图像匹配效率,在解决图像匹配问题的同时,充分表明了混合算法在解决实际问题的实用性和有效性。