正余弦算法(SCA)是一种基于种群的新型优化算法,因其结构简单,易于实现,在一些优化领域得到较好的应用。但仍存在一些缺点,如收敛速度慢、易于陷入局部最优解,应用领域有待进一步拓展等。如何提高算法的整体性能,拓展其应用领域,是发挥正余弦算法性能中关键一步。由于不同的进化操作方法,在提高算法性能中具有不同的作用,基于集成思想的优化方法设计,成为近些年研究的热点。本论文从操作方法和集成多种策略两个方面出发,以正余弦算法作为基本的优化算法载体,研究基于集成策略的优化算法,提高正余弦算法整体性能,并将研究的算法应用于图像的多阈值分割中,为图像分割提供新的方法。论文的主要研究内容如下:(1)针对基本SCA算法缺乏自适应性,解决问题单一,提出了一种基于交叉变异机制的正余弦算法(ICMSCA)。该方法首先对SCA中的个体适应度值进行排序,根据不同个体的自身情况,采用不同的交叉操作;在交叉策略中引入自适应操作,以提高算法的自适应性;最后根据不同个体不同维度采用自适应变异操作,使算法的性能得到提高。在典型基准测试函数集上进行仿真实验,验证了改进SCA算法的性能。(2)针对基本SCA算法收敛速度慢,多样性差等缺点,提出了基于集成优化的SCA算法的两种改进方法:基于集成策略的正余弦算法(ESCA)和分模块集成的正余弦算法(PMSCA)。ESCA算法中,将6种改进的变异策略,以一种特殊的概率选择机制,集成到SCA算法中,增加了算法的多样性,提高了收敛速度。PMSCA算法保留了ESCA的两种变异策略,结合另外两种交叉策略,两两组合,分模块集成到正余弦算法中,减少算法陷入局部极值的可能,有利于算法全局收敛。通过与其他多种算法进行对比实验,证明了两种改进算法的性能优势。(3)为了拓展SCA算法的应用领域,将提出的基于集成策略的正余弦算法(ESCA)应用到图像多阈值分割中。结合多阈值分割中最大熵分割法(KSW),提高了图像分割的质量。与其他相关算法比较,证明了改进算法的有效性,为图像多阈值分割提供了一种有效的方法。综上,本文对集成优化方法、SCA算法进行了较为全面的深入研究和分析,提出了几种改进的SCA算法,拓宽了算法的应用领域。