具有随机扰动机制的改进QPSO算法及其应用

摘要：

针对原始量子粒子群优化算法(QPSO)在面对复杂多模函数时容易出现早熟和收敛精度低的情况,提出了一种具有随机扰动机制的改进QPSO算法(MQPSO).在改进算法设计时,首先借鉴了遗传算法中交叉算子的思想,并结合随机扰动操作,对单个粒子的历史最优位置和全局最优位置进行了重新设定,以增强算法在迭代后期的收敛性能,同时维持种群的多样性;其次,对QPSO算法中的重要参数收缩-扩张因子,进行了非线性调整,以提高算法的全局收敛速度和精度.通过8个测试函数,将MQPSO算法与4个现有的改进算法从平均值、标准差和最好取值三个方面进行了对比;进而根据中国证券市场中15只股票的历史数据,分别运用粒子群优化算法、量子粒子群优化算法、布谷鸟搜索、蝙蝠算法和MQPSO算法对一类具有最小最大风险的投资组合优化模型进行数值求解.实验表明:MQPSO算法无论在基准测试中还是在仿真应用上,其计算结果在收敛精度和稳定性方面均优于其他群智能算法.

关键词：量子粒子群优化算法、随机扰动、收敛精度、最小最大型风险

所属期刊栏目：39

分类号：TP301.6(计算技术、计算机技术)

资助基金：重庆市科委项目;重庆市科委项目;重庆市教委项目;重庆市教委项目;重庆工商大学博士科研启动项目;重庆工商大学青年项目

在线出版日期：2022-08-11（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：26-31