-
题名多尺度量子谐振子算法性能分析
被引量：8
- 1
-
-
作者
袁亚男
王鹏
刘峰
-
机构
中国科学院成都计算机应用研究所
中国科学院大学
成都信息工程学院并行计算实验室
-
出处
《计算机应用》
CSCD
北大核心
2015年第6期1600-1604,共5页
-
基金
国家自然科学基金资助项目(60702075)
广东省科技厅高新技术产业化科技攻关项目(2011B010200007)
+1 种基金
四川省青年科学基金资助项目(09ZQ026-068)
成都市科技局创新发展战略研究项目(11RXYB016ZF)
-
文摘
多尺度量子谐振子算法(MQHOA)具有良好的全局收敛性以及自适应性。为分析研究MQHOA求解精度与速度具体性能,通过求解整数非线性规划问题,将MQHOA和采用量子行为模型且已被广泛使用的量子粒子群优化(QPSO)算法以及改进的随机平均最好位置量子粒子群(QPSO-RM)算法进行理论模型和实验对比,仿真实验中,MQHOA对7组无约束整数规划问题的求解均取得100%成功率且求解速度整体上略快于QPSO和QPSO-RM;对2组有约束整数规划问题的求解速度比QPSO、QPSO-RM稍慢,但MQHOA的求解成功率均为100%,高于后两者;通过和QPSO、QPSO-RM的收敛过程进行对比,MQHOA更快更早于对比算法收敛到全局最优解。实验结果表明:MQHOA能有效地适应整数规划求解问题,能够避免陷入局部最优解的情况从而获得全局最优解,并在求解精度和收敛速度上均优于对比算法。
-
关键词
多尺度量子谐振子算法
全局收敛
量子行为模型
量子粒子群优化算法
整数非线性规划
-
Keywords
Multi-Scale Quantum Harmonic Oscillator Algorithm （MQHOA）
global convergence
quantum-behaved model
Quantum-behaved Particle Swarm Optimization （QPSO） algorithm
Integer Nonlinear Programming （INP）
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
