蝗虫是一种对运动目标变化极其敏感的昆虫,其视觉系统能实时地感知运动目标的运动行为,此独特的视觉响应特性为计算机视觉提供了新的生物理论基础。将蝗虫的视觉信息处理机制与种群进化思想结合,可建立介于计算机视觉与进化计算之间的视觉进化神经网络优化模型与算法,此将成为智能计算中潜在的研究分支。基于此,借助蝗虫的视觉神经生物理论与物种进化机制,探讨求解大规模全局优化问题的高效优化方法,并展开算法的计算复杂度和比较性的数值实验研究。研究成果对于促进进化计算与计算机视觉融合发展有一定的推动作用,同时也能为工程优化问题的解决提供新方案。主要工作和取得的成果如下:1.针对大规模全局优化问题,选取智能优化中具有代表性的算法进行比较分析,进而以粒子群优化算法为基础,提出多策略混合进化粒子群优化算法。该算法通过引入对称学习及精英保留策略提升粒子群的进化能力,以及引入局部高斯变异策略增强粒子群的种群多样性。理论分析表明,此算法的计算复杂度依赖于种群规模以及问题的维度;比较性的数值实验分析表明,该算法具有强的进化能力,搜索效果好,求解精度高,具有一定的应用潜力。2.以蝗虫视觉神经信息处理机制为依托,以优化问题的候选解构成的状态矩阵作为输入,建立蝗虫视觉神经网络模型。进而,以此模型的输出作为学习率,并设计种群进化策略,获得蝗虫视觉进化神经网络优化算法。理论分析表明,该算法的计算复杂度取决于神经网络的输入大小和优化问题的维度。比较性的数值实验表明,此算法对大规模优化问题的求解是可行的且是有效的,具有好的应用价值。3.针对以上蝗虫视觉进化神经网络优化算法求解精度低的问题,将神经网络层分割的思想引入到视神经网络的设计中,获得多种类型的状态学习率。然后,依据当前学习率的大小,以及个体进化思想,多渠道引导状态向最优解所在区域转移,获得改进型蝗虫视觉进化神经网络算法,其计算复杂度由输入大小及优化问题的维度确定。实验分析表明,该算法在搜索效率、搜索效果以及普适性方面具有明显优势,有较好的应用价值。