计算机应用与软件
計算機應用與軟件
계산궤응용여연건
COMPUTER APPLICATIONS AND SOFTWARE
2014年
6期
256-259
,共4页
粒子群优化%量子行为粒子群优化%综合学习%合作学习
粒子群優化%量子行為粒子群優化%綜閤學習%閤作學習
입자군우화%양자행위입자군우화%종합학습%합작학습
Particle swarm optimisation%Quantum-behaved particle swarm optimisation%Comprehensive learning%Cooperative learning
为了改善量子粒子群优化QPSO(Quantum-behaved Particle Swarm Optimization)算法的全局收敛能力,在对综合学习策略QPSO算法研究的基础上,引入合作思想,提出综合-合作QPSO算法(CCQPSO).在提出的算法中,局部吸引子和粒子最优位置的更新都体现在每一个具体的维度上,避免丢失解向量中最接近最优解的部分维.九个测试函数的仿真实验结果表明,提出的算法能够有效增加群体多样性,改善算法的早熟收敛.
為瞭改善量子粒子群優化QPSO(Quantum-behaved Particle Swarm Optimization)算法的全跼收斂能力,在對綜閤學習策略QPSO算法研究的基礎上,引入閤作思想,提齣綜閤-閤作QPSO算法(CCQPSO).在提齣的算法中,跼部吸引子和粒子最優位置的更新都體現在每一箇具體的維度上,避免丟失解嚮量中最接近最優解的部分維.九箇測試函數的倣真實驗結果錶明,提齣的算法能夠有效增加群體多樣性,改善算法的早熟收斂.
위료개선양자입자군우화QPSO(Quantum-behaved Particle Swarm Optimization)산법적전국수렴능력,재대종합학습책략QPSO산법연구적기출상,인입합작사상,제출종합-합작QPSO산법(CCQPSO).재제출적산법중,국부흡인자화입자최우위치적경신도체현재매일개구체적유도상,피면주실해향량중최접근최우해적부분유.구개측시함수적방진실험결과표명,제출적산법능구유효증가군체다양성,개선산법적조숙수렴.
