一种优化高维函数的量子—粒子群算法

被引：5

作者：

高浩

须文波

孙俊

机构：

[1] 江南大学信息工程学院

来源：

计算机应用 | 2007年 / 12期

关键词：

粒子群; 量子; 相互学习; 适应度函数;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

提出了一种改进的量子—粒子群算法来改善维数束缚问题。对于存在高维问题的量子—粒子群算法,引入了相互学习方法,使用多个粒子群用来优化解向量的分量,从而帮助粒子群克服维数束缚找到最优解;另外在每一次迭代过程中根据遗传算法中适应度函数对参与相互学习的粒子解的数目进行最优选取,从而有效减少了时间花费。对经典函数的测试计算表明,改进的混合算法确保了搜索精度,在时间花费上也得到了较好的改善。

引用

页码：2885 / 2887

页数：3

共 8 条

[1]

Particle swarmoptimization. KENNEDYJ,EBERHARTR C. IEEE Internatioanl Conference on Neural Networks . 1995

[2]

Genetic algorithm in search,optimization andmachine learning. GOLDBERG D E. . 1989

[3]

No free lunch with the sandwich sand-wich estimator. RIVALS I,PERSONNAZ L. IEEE Transactions on Neural Networks . 2003

[4]

A global search of quantum-behaved particleswarm optimization. SUN J,XU W B. IEEE Conference on Cybernetics and In-telligent Systems . 2004

[5]

Particle swarm optimization with particle havingquantum behavior. SUN J,XU W B. Proceedings of Congress on EvolutionaryComputation . 2004

[6]

Empirical study of particle swarm optimiza-tion. SHI Y,,EBERHAR R. Proceedings of Congress on Evolutionary Computation . 1999

[7]

Particle swarm weight initialization in multi-layer perception artificial neural networks. Van Den BERGHF F. Development andPractice of Artificial Intelligence Techniques . 1999

[8]

An analysis of particle swarm optimizers. Van Den BERGHF. . 2001

← 1 →