中文摘要：

本课题研究人工蚁群系统及其在图象压缩编码中的应用。蚁群算法是一种源于大自然中生物世界的新的仿生类算法，在一系列困难的组合优化问题中取得成效。本课题拟通过研究其内在的搜索机制，建立基于人工蚁群系统的图象压缩编码模型，根据码书设计的两个优化准则，分别对应基于码书的解描述方法和基于聚类划分的解描述方法，关键解决图象码书的最佳设计问题，使得所设计的码书不依赖于初始码本的选取、具有较强的鲁棒性等。在此基础上，结合不同人工智能技术（如模糊逻辑，遗传算法、模拟退火等启发式算法）构成整合式智能系统，探索矢量量化图象压缩编码的新途径，旨在发展快速高效和具有在低码率信道下实现视频图象实时编码潜能的压缩算法，该课题的研究具有重要的理论意义和潜在的应用前景。

结论摘要：

本项目研究人工蚁群系统及其在图象压缩编码中的应用。码书设计是矢量量化图象压缩编码的关键技术，码书性能的好坏直接影响图像编码性能。蚁群算法是近年出现的一种随机搜索算法，它基于对自然界中真实蚁群的集体行为的研究，已成功应用于求解旅行商问题、通信路由问题等。本项目尝试将蚁群算法应用于图像压缩的矢量量化技术，构建基于人工蚁群优化的矢量量化码书设计模型。该模型利用人工蚁群系统中蚂蚁通过信息素留存寻找最优路径的机制，结合单只蚂蚁通过拾起、放下物体从而使物体聚堆的行为模式，合理设计放下概率、禁忌列表及信息素更新方式，从而可以获得性能较好的码书；研究了蚁群算法中各参数的选取对算法性能的影响；提出了融合快速LBG算法进行局部搜索的自适应蚁群优化算法；探讨了蚁群算法与遗传算法、模糊C均值聚类算法的融合，设计了可在超级计算系统上基于MPI编程的并行实现算法，大大减少了运算时间。为了深入了解蚁群优化的工作机理，比较了模拟退火、遗传算法、蚁群算法等多种进化优化算法解决其他组合优化问题如车辆路径问题、作业车间调度问题的能力，提出了一种带蚁群搜索的多种群遗传算法。本项目也对图象编码复杂度及内存占用进行了研究。