基于正态云模型的自适应量子粒子群优化算法

发布时间：2021-09-17 22:08

　　基于云模型的随机性、模糊性和稳定性特征,通过正态云发生器对量子粒子群优化算法（QPSO）进行改进,提出了一种基于正态云模型的自适应量子粒子群优化算法（CMAQPSO）.该算法将正态云模型引入到QPSO算法的研究,定义了收缩扩张系数的云调整策略和粒子云变异算子的构建公式,给出了量子势阱中心调整策略和边界修正策略.用5个标准测试函数对SPSO,OPSO,CVCPSO,CMAQPSO 4种算法进行对比测试,实验结果表明,CMAQPSO在5个测试函数上的平均寻优效果都明显优于其他3种算法. 

【文章来源】：吉首大学学报(自然科学版). 2019,40(06)

【文章页数】：11 页

【文章目录】：
1 云模型概述
    1.1 云模型的定义
    1.2 数字特征
    1.3 云发生器
2 CMAQPSO的构建
    2.1 CMAQPSO研究背景
    2.2 收缩扩张系数的自适应控制策略
    2.3 势阱中心自适应调整策略
    2.4 云变异策略
    2.5 粒子边界修正
    2.6 算法步骤
3 实验与分析
    3.1 测试函数
        (1)Sphere函数:
        (2)Rosenbrock函数:
        (3)Rastrigin函数:
        (4)Griewank函数:
        (5)Ackley函数:
    3.2 实验设计
    3.3 实验分析
4 结语


【参考文献】：
期刊论文
[1]基于正态云模型的自适应变异量子粒子群优化算法[J]. 关学忠,皇甫旭,李欣,佟宇,聂品磊.  电子设计工程. 2016(08)
[2]基于云模型的自适应蚁群算法改进研究[J]. 刘争艳,李絮,王慧玲.  计算机工程与应用. 2016(19)
[3]一种自适应的多粒度概念提取方法——高斯云变换[J]. 刘玉超.  计算机工程与应用. 2015(09)
[4]基于云变异的云自适应粒子群算法[J]. 徐红洋,田雨波,黄太安.  计算机仿真. 2012(11)
[5]基于云模型云滴机制的量子粒子群优化算法[J]. 齐名军,杨爱红.  计算机工程与应用. 2012(24)
[6]云粒子群优化算法在无线传感器网络中的应用[J]. 夏克文,高峰,武睿,刘南平,郑飞.  控制理论与应用. 2011(09)
[7]云遗传算法及其应用[J]. 戴朝华,朱云芳,陈维荣,林建辉.  电子学报. 2007(07)
[8]隶属云和隶属云发生器[J]. 李德毅,孟海军,史雪梅.  计算机研究与发展. 1995(06)

硕士论文
[1]基于云模型和粒子群算法的电力系统无功优化[D]. 王立玮.华北电力大学 2014



本文编号：3399582