计算机应用研究
計算機應用研究
계산궤응용연구
APPLICATION RESEARCH OF COMPUTERS
2014年
9期
2588-2591
,共4页
量子粒子群%协同进化%学习行为%收敛
量子粒子群%協同進化%學習行為%收斂
양자입자군%협동진화%학습행위%수렴
quantum-behaved particle swarm optimization%cooperative evolution%learning behavior%convergence
提出了一种具有学习行为的协同量子粒子群算法(LCQPSO).针对量子粒子群(QPSO)存在的早熟收敛问题,从两方面对其进行改进:引入多子群协同搜索策略提高种群的全局搜索能力,使其在进化后期依然保持多样性;赋予粒子学习行为,提高种群的局部搜索能力.实验中对LCQPSO算法的子群规模与学习概率参数进行了分析,并利用标准测试函数对LCQPSO与PSO、QPSO等算法进行了比较测试,结果表明LCQPSO算法具有更优秀的收敛速度与精度,且能够有效地避免陷入局部极值.
提齣瞭一種具有學習行為的協同量子粒子群算法(LCQPSO).針對量子粒子群(QPSO)存在的早熟收斂問題,從兩方麵對其進行改進:引入多子群協同搜索策略提高種群的全跼搜索能力,使其在進化後期依然保持多樣性;賦予粒子學習行為,提高種群的跼部搜索能力.實驗中對LCQPSO算法的子群規模與學習概率參數進行瞭分析,併利用標準測試函數對LCQPSO與PSO、QPSO等算法進行瞭比較測試,結果錶明LCQPSO算法具有更優秀的收斂速度與精度,且能夠有效地避免陷入跼部極值.
제출료일충구유학습행위적협동양자입자군산법(LCQPSO).침대양자입자군(QPSO)존재적조숙수렴문제,종량방면대기진행개진:인입다자군협동수색책략제고충군적전국수색능력,사기재진화후기의연보지다양성;부여입자학습행위,제고충군적국부수색능력.실험중대LCQPSO산법적자군규모여학습개솔삼수진행료분석,병이용표준측시함수대LCQPSO여PSO、QPSO등산법진행료비교측시,결과표명LCQPSO산법구유경우수적수렴속도여정도,차능구유효지피면함입국부겁치.
