基于量子粒子群的协同演化算法研究

发布时间：2020-12-21 23:44

　　量子粒子群优化（Quantum-behaved Particle Swarm Optimization,简称QPSO）算法是在粒子群优化（Particle Swarm Optimization,简称PSO）算法基础上提出的基于量子力学的新颖的群智能优化算法。由于量子的随机性,该算法具有全局搜索的特点,进而在优化问题上展示出了优异的性能。目前,QPSO算法吸引了海内外学者广泛的关注和深入的研究,已被广泛应用于金融、聚类和分类、神经网络、数据挖掘等多个应用领域。然而在QPSO算法中种群的多样性与算法的迭代次数呈反比,随着迭代次数的增加,粒子群的多样性降低,此时算法的全局搜索能力趋于弱化,最终导致算法在进化后期可能会出现陷入局部最优的现象。为了改进QPSO算法容易陷入局部最优的缺陷,本文结合协同演化的思想提出了多子种群机制、子种群评分函数机制和协同机制改善算法性能,提出了一种基于多子种群的协同量子粒子群算法（A Cooperative Quantum Particle Swarm Optimization Based On Multiple Groups,简称CGQPSO）。在CGQPSO算... 

【文章来源】：哈尔滨工程大学黑龙江省 211工程院校

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

λ=1时Sigmoid函数图像

猎物和捕食者的时间曲线图

猎物和捕食者关系曲线图

【参考文献】：
期刊论文
[1]带交叉算子的量子粒子群优化算法[J]. 陈汉武,朱建锋,阮越,刘志昊,赵生妹.  东南大学学报(自然科学版). 2016(01)
[2]浅析量子力学中的不确定性原理[J]. 袁爱芳,刘迪迪.  大学物理. 2011(11)
[3]协同演化算法研究进展[J]. 董红斌,黄厚宽,印桂生,何军.  计算机研究与发展. 2008(03)



本文编号：2930733