计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2015年
3期
680-684
,共5页
粒子群优化算法%交叉算子%维信息%量子行为%交叉率
粒子群優化算法%交扠算子%維信息%量子行為%交扠率
입자군우화산법%교차산자%유신식%양자행위%교차솔
Particle Swarm Optimization (PSO) algorithm%crossover operator%dimension information%quantum-behaved%crossover rate
针对量子行为粒子群优化(QPSO)算法在求解多维问题时优秀维信息丢失的问题,引入交叉算子的策略,改善解的质量,提升算法性能.首先,分析了量子粒子群算法进化过程中的粒子整体更新评价策略,发现各维信息之间相互干扰,会丢失已经搜索到的优秀维信息;然后,指出如果采用逐维进化方法,会指数级增加算法的复杂度;最后,提出对进化过程中的问题解采用多点交叉的策略增加优秀维信息的保留概率,并将改进后的量子粒子群算法与线性下降参数控制策略、非线性下降参数控制策略方法通过12个CEC2005 benchmark测试函数进行了比较,并对结果进行了分析.仿真结果显示,所提算法比改进前在10个测试函数中取得了明显的改进效果,而比其他2种改进算法也在7个测试函数中取得了优势.因此该算法能够有效提升量子粒子群优化算法的性能.
針對量子行為粒子群優化(QPSO)算法在求解多維問題時優秀維信息丟失的問題,引入交扠算子的策略,改善解的質量,提升算法性能.首先,分析瞭量子粒子群算法進化過程中的粒子整體更新評價策略,髮現各維信息之間相互榦擾,會丟失已經搜索到的優秀維信息;然後,指齣如果採用逐維進化方法,會指數級增加算法的複雜度;最後,提齣對進化過程中的問題解採用多點交扠的策略增加優秀維信息的保留概率,併將改進後的量子粒子群算法與線性下降參數控製策略、非線性下降參數控製策略方法通過12箇CEC2005 benchmark測試函數進行瞭比較,併對結果進行瞭分析.倣真結果顯示,所提算法比改進前在10箇測試函數中取得瞭明顯的改進效果,而比其他2種改進算法也在7箇測試函數中取得瞭優勢.因此該算法能夠有效提升量子粒子群優化算法的性能.
침대양자행위입자군우화(QPSO)산법재구해다유문제시우수유신식주실적문제,인입교차산자적책략,개선해적질량,제승산법성능.수선,분석료양자입자군산법진화과정중적입자정체경신평개책략,발현각유신식지간상호간우,회주실이경수색도적우수유신식;연후,지출여과채용축유진화방법,회지수급증가산법적복잡도;최후,제출대진화과정중적문제해채용다점교차적책략증가우수유신식적보류개솔,병장개진후적양자입자군산법여선성하강삼수공제책략、비선성하강삼수공제책략방법통과12개CEC2005 benchmark측시함수진행료비교,병대결과진행료분석.방진결과현시,소제산법비개진전재10개측시함수중취득료명현적개진효과,이비기타2충개진산법야재7개측시함수중취득료우세.인차해산법능구유효제승양자입자군우화산법적성능.
