基于惯性扰动与自适应调节的量子粒子群轨迹覆盖算法

发布时间：2021-01-15 05:55

　　轨迹覆盖技术在航线监测、拥塞处理、灾难预防等领域具有重要作用。在实际应用中,提高轨迹覆盖率和减少传感器的数目,往往是两个冲突的目标。基于概率的量子粒子群（QPSO）算法是一种用波函数表示粒子位置,通过蒙特卡罗方法求出粒子位置的全局优化算法。QPSO算法不使用粒子速度来描述粒子在解空间内的移动,而是以概率的方法来表达粒子在解空间内出现的概率以此保持群体多样性和提高全局与局部搜索的能力。然而,其中的粒子概率出现使算法的随机性大大增加,产生较多适应值差的解,降低算法收敛速度。提出一种改进的AGQPSO算法,该算法将全局粒子群算法中的惯性扰动操作引入到AGQPSO算法中,并且还引入两个评价粒子群状态的指标:迭代速度因子、收敛度因子。实验结果表明AGQPSO算法在收敛速度以及覆盖率上比QPSO的方法更优,更好地平衡全局和局部搜索能力。 

【文章来源】：现代计算机. 2020,(02)

【文章页数】：8 页

【部分图文】：

判断路径是否被覆盖

假设x维度空间大小为[xMin,xMax],y维度空间大小为[yMin,yMax]，则按照如下公式对每个粒子进行初始化：xi和yi分别为第i个节点的x维度坐标和y维度坐标，rand1和rand2是[0,1]间的随机数。对于GPSO则有公式（18）所示的粒子速度初始化：

QPSO和GPSO的流程图

【参考文献】：
期刊论文
[1]基于改进蚁群算法的旅游线路优化[J]. 周茂杰,张翠.  现代计算机(专业版). 2018(15)
[2]基于遗传算法的应急疏散中车辆路径规划研究[J]. 王逊,杜中军,刘孟轲,陈海祥.  现代计算机(专业版). 2018(10)
[3]全局粒子群优化算法[J]. 高立群,李若平,邹德旋.  东北大学学报(自然科学版). 2011(11)



本文编号：2978365