自学习的量子粒子群优化算法改进

摘要：

分析了量子行为粒子群优化算法，着重研究了算法中群体粒子的搜索行为，对算法中局部吸引点进行了分析，提出针对粒子在搜索过程中所处的不同搜索环境，将粒子的搜索行为分为四种类型，并能够自适应地学习优化问题环境，采用合适的学习模式，提高算法整体优化性能；将改进后的自学习量子粒子群算法与其他一些改进方法通过CEC2005 benchmark测试函数进行了比较，最后对结果进行了分析，仿真结果显示自学习方法能够显著改善量子粒子群优化算法的性能。

关键词：粒子群算法、自适应学习、局部吸引点、搜索模式

分类号：TP301(计算技术、计算机技术)

资助基金：国家自然科学基金No.61170119，No.60973094；江苏省自然科学基金No.BK20130160。

在线出版日期：2014-10-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：24-29