مروری بر استفاده از محاسبات تکاملی در تجزیه‏ی طیفی تصاویر ابرطیفی

در سال‏های اخیر، تجزیه‏ی طیفی به یکی از مهم‏ترین زمینه‏های تحقیقاتی در سنجش از دور مبدل شده و روش‏های سنتی مختلفی برای حل آن ارائه‏گردیده‏است. در اکثر روش‏های ارائه‏شده، بایستی شرایط خاصی برقرار باشد تا الگوریتم به‏درستی کار کند. از طرفی، این روش‏ها با مشکلاتی همچون گرفتارشدن در بهینه‏ی محلی و حساسیت نسبت به مقداردهی اولیه‏ی پارامترها روبرو هستند. اگرچه ممکن است تکنیک‏های محاسبات تکاملی نیز در بهینه‏های محلی گرفتار شده و یا نسبت به تنظیم پارامترها حساس باشند، اما اخیرا استفاده از ترکیب محاسبات تکاملی و روش‏های سنتی موجود، با هدف فائق آمدن بر مشکلات فوق افزایش یافته‏است. برخی از روش‏ها نیز تنها از محاسبات تکاملی برای حل مساله‏ی تجزیه‏ی طیفی استفاده کرده‏اند. در رویکرد جدید، مساله‏ی تجزیه‏ی طیفی بعنوان یک مساله‏ی بهینه‏سازی مدل شده و نشان داده‏شده‏است که استفاده از محاسبات تکاملی می‏تواند منجر به دستیابی به پاسخ‏های بهینه‏ای گردد. در این مقاله روش‏های مختلفی که از محاسبات تکاملی برای حل مساله‏ی تجزیه‏ی طیفی بهره برده‏اند، بررسی شده‏اند. در هر بخش، پس از معرفی الگوریتم تکاملی، روش‏های ارائه‏شده براساس آن الگوریتم، معرفی و روند کلی آن شرح داده شده‏است. برای هر روش، در مورد فرضیات در نظر گرفته‏شده و محدودیت‏های آن بحث شده و بدلیل اهمیت اجزای مختلف روش تکاملی مورد استفاده، مواردی از قبیل بازنمایی افراد جمعیت، عملگرهای تکاملی و تابع شایستگی نیز مورد بررسی قرار گرفته‏اند.