10.3778/j.issn.1002-8331.1511-0171
基于演化搜索信息的量子行为粒子群优化算法
针对量子行为粒子群优化算法可能过早收敛而陷入局部最优的问题,提出了基于演化搜索信息的非重复访问量子行为粒子群优化算法(Non-revisited QPSO,NrQPSO).该算法将演化搜索信息记录方案和标准QPSO算法结合起来,确保所有更新的粒子位置都是未被重复访问的,并通过变异操作增加粒子的多样性.演化搜索信息记录方案利用二维空间分割树(BSP)将连续搜索空间划分为不同的重叠子区域,并且将子区域作为粒子变异范围,使得相应的变异操作是一种无参数的自适应变异.对比其他传统算法,通过对八个标准测试函数的实验结果表明,NrQPSO算法在处理多峰和单峰测试函数时具有更好的优化性能,收敛精度和收敛速度都得到了提高,证明该算法的有效性.
量子行为粒子群优化、演化搜索信息、二维空间分割、非重复访问
53
TP301.6(计算技术、计算机技术)
国家自然科学基金61300149;江苏省青蓝工程资助项目;无锡环境科学与工程研究中心科研启动项目
2017-05-24(万方平台首次上网日期,不代表论文的发表时间)
共7页
41-46,126