数据采集与处理
數據採集與處理
수거채집여처리
JOURNAL OF DATA ACQUISITION & PROCESSING
2013年
3期
363-370
,共8页
粒子群优化%分组粒子群优化%量子机制%多维优化方程
粒子群優化%分組粒子群優化%量子機製%多維優化方程
입자군우화%분조입자군우화%양자궤제%다유우화방정
particle swarm optimization (PSO)%grouped PSO%quantum mechanism%multimodal evolutionary optimization functions
标准量子行为的粒子群优化(Quantum-behaved particle swarm optimization,QPSO)算法依然存在早熟收敛的缺点,针对此问题,提出了一种改进的量子粒子群算法(Particle swarm optimization based on quantum,PSO-Q).在PSO-Q算法中,采用分组策略基于不同的更新公式同时提高局部搜索和全局搜索能力,并且共享组间有用的信息,达到探索与开发能力的平衡.在不降低搜索精度的情况下,分组策略扩大了种群搜索过程中的搜索范围,其中一组保持QPSO搜索方法的基本搜索能力,主要开发已有搜索空间.另外一组共享整个群里的有效信息,增加新领域探索能力,可以避免种群多样性的不断下降.在标准测试函数的对比实验中,仿真结果表明该算法具有较强的搜索能力并且达到了较高的优化精度.
標準量子行為的粒子群優化(Quantum-behaved particle swarm optimization,QPSO)算法依然存在早熟收斂的缺點,針對此問題,提齣瞭一種改進的量子粒子群算法(Particle swarm optimization based on quantum,PSO-Q).在PSO-Q算法中,採用分組策略基于不同的更新公式同時提高跼部搜索和全跼搜索能力,併且共享組間有用的信息,達到探索與開髮能力的平衡.在不降低搜索精度的情況下,分組策略擴大瞭種群搜索過程中的搜索範圍,其中一組保持QPSO搜索方法的基本搜索能力,主要開髮已有搜索空間.另外一組共享整箇群裏的有效信息,增加新領域探索能力,可以避免種群多樣性的不斷下降.在標準測試函數的對比實驗中,倣真結果錶明該算法具有較彊的搜索能力併且達到瞭較高的優化精度.
표준양자행위적입자군우화(Quantum-behaved particle swarm optimization,QPSO)산법의연존재조숙수렴적결점,침대차문제,제출료일충개진적양자입자군산법(Particle swarm optimization based on quantum,PSO-Q).재PSO-Q산법중,채용분조책략기우불동적경신공식동시제고국부수색화전국수색능력,병차공향조간유용적신식,체도탐색여개발능력적평형.재불강저수색정도적정황하,분조책략확대료충군수색과정중적수색범위,기중일조보지QPSO수색방법적기본수색능력,주요개발이유수색공간.령외일조공향정개군리적유효신식,증가신영역탐색능력,가이피면충군다양성적불단하강.재표준측시함수적대비실험중,방진결과표명해산법구유교강적수색능력병차체도료교고적우화정도.
