单色红外LED器件的发射功率受传输距离、光源工作电流及工作频率等因素的影响, 各因素均应视为非平稳变化的影响因素。通过实验标定和曲线拟合建立其影响模型, 可以进一步通过生物地理学优化算法进行多参量系统优化, 直接确定最佳参量条件。利用生物地理学优化算法是一种全局性优化算法, 极适合综合处理不同物理机制的各种外界因素变化对单色红外LED器件的发射功率的影响。该方法可以解决纸张水分测量技术的瓶颈问题, 提高其测量精度。

为了增强生物地理学优化算法(BBO)在图像多阈值分割应用中的全局搜索能力，提高其优化性能，提出一种改进的生物地理学算法(IBBO)。首先，引入多源迁移算子，该算子能更好地从搜索空间中生成新特征值，有效提高种群的多样性；其次，创建一种新型的动态变异算子，该算子能够动态地改变变异幅度，提高算法运算效率，使算法快速收敛到全局最优解；随后，将原来的精英选择算子改为贪婪选择算子，即采用优胜劣汰的策略加快算法收敛速度；最后将其应用到基于最大熵的多阈值分割中。图像分割实验结果表明，IBBO算法运行速度远远快于穷举算法，优化性能优于标准BBO算法和PSO算法。

针对高维多阈值图像分割中存在的多阈值搜索问题，提出了一种动态迁移和椒盐变异融合的生物地理学优化算法(BBOD)。首先，构建了一种基于动态扰动的迁移算子，对候选解中没有发生迁移操作的特征值添加一个动态的扰动因子, 使种群的多样性增加，从而提高全局搜索能力; 然后，创建了新型的变异算子，对待变异的特征值产生一个椒盐扰动，使该值在小范围内浮动，以便提高局部搜索能力和算法的收敛速度; 最后，将该算法应用到基于最小交叉熵的图像高维多阈值分割中。高维多阈值分割实验结果表明，本文提出的BBOD算法能够获得最优的阈值向量，运行速度、性能指标均优于标准的生物地理学优化(BBO)算法， 基于变异的生物地理学优化(BBOM)算法、FFA(Firefly Algorithm)和CSA (Cuckoo Search Algorithm)，运行速度是FFA的5倍以上。该算法更适用于基于最小交叉熵的高维多阈值优化选择。