-
题名量子粒子群优化算法的收缩-扩张系数控制策略研究
被引量：9
- 1
-
-
作者
黄为勇
徐晓菊
潘晓博
孙彦景
李松
-
机构
徐州工程学院江苏省大型工程装备检测与控制重点建设实验室
中国矿业大学信息与电气工程学院
-
出处
《计算机应用研究》
CSCD
北大核心
2016年第9期2592-2595,共4页
-
基金
国家自然科学基金资助项目(51274202)
江苏省基础研究计划(自然科学基金)资助项目(BK20131124)
徐州工程学院江苏省大型工程装备检测与控制重点建设实验室开放基金资助项目(JSKLEDC201212)
-
文摘
收缩—扩张(CE)系数是量子粒子群优化算法(QPSO)需要人工设定的最核心参数,如何选择该参数成为一个重要的问题。为寻找更为有效的CE系数控制方法,根据CE系数递减思想,提出了一种凸凹性可变的指数型非线性下降CE系数控制策略。采用Sphere、Rastrigrin、Griewank和Ackley四种典型的单峰与多峰标准测试函数研究了CE系数的不同控制策略以及不同初始值对量子粒子群优化算法收敛精度与收敛速度的影响,并与线性下降CE系数及固定CE系数两种控制策略进行了对比分析,得出了CE系数控制策略选择的一般性指导准则,为量子粒子群优化算法的应用提供依据。
-
关键词
量子粒子群优化算法
收缩一扩张系数
控制策略
指数型非线性
凸凹性
-
Keywords
quantum-behaved particle swarm optimization
contraction-expansion coefficient
control strategy
exponentia nonlinear
convexity
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名自适应收扩系数的双中心协作QPSO算法
被引量：2
- 2
-
-
作者
丁颖
李飞
-
机构
南京邮电大学通信与信息工程学院
南京邮电大学信号处理与传输研究院
-
出处
《计算机工程》
CAS
CSCD
2014年第3期232-237,共6页
-
文摘
针对量子粒子群优化(QPSO)算法迭代后期种群多样性下降、收敛速度慢、易陷入局部最优的缺点,提出一种自适应收缩-扩张系数的双中心协作最子粒子群优化算法。该算法从2个方面进行改进:(1)自适应调节收缩-扩张系数,其目的是帮助粒子跳出局部最优点,提高粒子的全局搜索能力;(2)双重更新全局最优位置,即在每次迭代中,先后分别采用2种不同的方式更新全局最优位置。第1种方式与QPSO算法一致,第2种方式则引入双中心粒子,使其和当前全局最优位置在相应维度上合作,从而达到更新全局最优位置的目的。从固定迭代次数和固定精度角度分析算法性能,仿真结果表明,相比于QPSO算法,该算法在保证复杂度较低的情况下,可提高收敛速度,增强全局和局部搜索能力。
-
关键词
量子粒子群优化算法
收缩一扩张系数
双中心粒子
协作
全局最优位置
-
Keywords
Quantum Particle Swarm Optimization（QPSO） algorithm
contraction-expansion coefficient
double-center particle
cooperative
global optimal location
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
