计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2014年
20期
24-29
,共6页
盛歆漪%孙俊%周頔%须文波
盛歆漪%孫俊%週頔%鬚文波
성흠의%손준%주적%수문파
粒子群算法%自适应学习%局部吸引点%搜索模式
粒子群算法%自適應學習%跼部吸引點%搜索模式
입자군산법%자괄응학습%국부흡인점%수색모식
Particle Swarm Optimization(PSO)algorithm%self-learning%local attract point%searching model
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。
分析瞭量子行為粒子群優化算法,著重研究瞭算法中群體粒子的搜索行為,對算法中跼部吸引點進行瞭分析,提齣針對粒子在搜索過程中所處的不同搜索環境,將粒子的搜索行為分為四種類型,併能夠自適應地學習優化問題環境,採用閤適的學習模式,提高算法整體優化性能;將改進後的自學習量子粒子群算法與其他一些改進方法通過CEC2005 benchmark測試函數進行瞭比較,最後對結果進行瞭分析,倣真結果顯示自學習方法能夠顯著改善量子粒子群優化算法的性能。
분석료양자행위입자군우화산법,착중연구료산법중군체입자적수색행위,대산법중국부흡인점진행료분석,제출침대입자재수색과정중소처적불동수색배경,장입자적수색행위분위사충류형,병능구자괄응지학습우화문제배경,채용합괄적학습모식,제고산법정체우화성능;장개진후적자학습양자입자군산법여기타일사개진방법통과CEC2005 benchmark측시함수진행료비교,최후대결과진행료분석,방진결과현시자학습방법능구현저개선양자입자군우화산법적성능。
Quantum-behaved particle swarm optimization algorithm is analyzed, particles searching action and local attract point are studied. To the different searching environment in searching progress, the searching actions are divided into four models. The proposed algorithm can self-learn the optimization problem, and utilize a suitable learning model, then the whole optimization performance is increased. The comparison and analysis of results with the proposed method and other improved QPSO based on CEC2005 benchmark function are given, the simulation results show the modified algorithm can greatly improve the QPSO performance.