資源描述：
《帶交叉算子的量子粒子群優(yōu)化算法_陳漢武》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第46卷第1期東南大學(xué)學(xué)報(bào)(自然科學(xué)版)Vol．46No．12016年1月JOUＲNALOFSOUTHEASTUNIVEＲSITY(NaturalScienceEdition)Jan．2016DOI:10．3969/j．issn．1001－0505．2016．01．005帶交叉算子的量子粒子群優(yōu)化算法111，213陳漢武朱建鋒阮越劉志昊趙生妹1(東南大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院，南京210096)2(安徽工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，馬鞍山243005)3(南京郵電大學(xué)通信與信息工程學(xué)院，南京210003)摘要:為了改善量子粒子群優(yōu)化(QPSO)算法、提高其求解多峰優(yōu)化問題的能力
2、，采用新的粒子吸引點(diǎn)和勢阱特征長度計(jì)算方法，引入遺傳算法中的交叉算子并融入交叉概率自適應(yīng)的參數(shù)控制技術(shù)，設(shè)計(jì)了一種帶交叉算子的量子粒子群優(yōu)化(CQPSO)算法．CQPSO算法既可確保QPSO粒子群體的多樣性、維護(hù)粒子整體的活力性，又能克服特殊情況下QPSO算法收斂的不穩(wěn)定性和陷入局部最優(yōu)的偶發(fā)性．實(shí)驗(yàn)結(jié)果表明，在21個標(biāo)準(zhǔn)測試函數(shù)中，無論對應(yīng)單峰函數(shù)、多峰函數(shù)或是偏移、旋轉(zhuǎn)函數(shù)，在相同的物理仿真平臺上，CQPSO算法的性能在絕大多數(shù)情況下都優(yōu)于其他改進(jìn)的量子粒子群算法，從而驗(yàn)證了CQPSO算法的有效性和魯棒性．關(guān)鍵詞:量子粒子群優(yōu)化;交叉算子;局部優(yōu)化;多峰函數(shù);收斂中圖分類
3、號:TP387文獻(xiàn)標(biāo)志碼:A文章編號:1001－0505(2016)01-0023-07Quantumparticleswarmoptimizationalgorithmwithcrossoveroperator111，213ChenHanwuZhuJianfengＲuanYueLiuZhihaoZhaoShengmei1(SchoolofComputerScienceandEngineering，SoutheastUniversity，Nanjing210096，China)2(SchoolofComputerScienceandTechnology，AnhuiUniver
4、sityofTechnology，Maanshan243005，China)3(CollegeofTelecommunicationsandInformationEngineering，NanjingUniversityofPostsandTelecommunications，Nanjing210003，China)Abstract:Inordertoimprovetheperformanceofthequantumparticleswarmoptimization(QPSO)algorithmanditsabilitytosolvemultimodaloptimizatio
5、nproblems，byusinganewcalculationmethodforthepointofinterestandthecharacteristiclengthofthepotentialwell，animprovedQPSOalgorithmwithcrossoveroperator，namedasCQPSOalgorithm，isproposedbyintroducingthecrossoveroperatorinthegeneticalgorithmandincorporatingtheadaptiveparametercontroltechnolo-gyof
6、crossoverprobability．TheCQPSOalgorithmcannotonlyensurethediversityoftheparticlegroupandthevigoroftheparticles，butalsoovercometheinstabilityofconvergenceandaccidentalfallintolocaloptimuminsomespecialscenarios．Theexperimentalresultsshowthatin21standardtestfunctions，onthesamephysicalsimulation
7、platform，asforwhetherunimodalfunctions，multi-modalfunctions，offsetorrotatingfunctions，theCQPSOalgorithmissuperiortootherimprovedQPSOalgorithmsinperformanceinmostcases，anditseffectivenessandrobustnessareproved．Keywords:quantumparticleswarmoptimization;cro
