基于精英学习的量子行为粒子群算法

被引：12

作者：

章国勇

伍永刚

顾巍

机构：

[1] 华中科技大学水电与数字化工程学院

来源：

控制与决策 | 2013年 / 28卷 / 09期

关键词：

量子行为粒子群; 精英学习; 动态逼近搜索; 变尺度混沌扰动;

D O I：

10.13195/j.kzyjc.2013.09.015

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

在分析量子行为粒子群算法中吸引子指导作用的基础上,引入两种精英学习策略,提出了基于精英学习的量子粒子群算法(QPSO-EL).采用动态逼近学习策略对精英个体进行局部更新,协助其跳出自身局部极值点,引导种群进行有效搜索;借鉴群体早熟判断机制对停滞状态下的精英个体空间进行变尺度混沌扰动,增大种群全局搜索空间,有效平衡了算法的局部和全局搜索能力.典型函数的仿真结果表明,该算法具有收敛速度快、求解精度高的特点.

引用

收藏

页码：1341 / 1348

页数：8

相关论文

共 15 条

[1] 量子势阱粒子群优化算法的改进研究 [J].

李盼池 ;

王海英 ;

宋考平 ;

杨二龙 .

物理学报, 2012, 61 (06) :19-28

[2] 惯性权自适应调整的量子粒子群优化算法 [J].

黄泽霞 ;

俞攸红 ;

黄德才 .

上海交通大学学报, 2012, 46 (02) :228-232

[3] 混沌映射的多种群量子粒子群优化算法 [J].

逄珊 ;

杨欣毅 ;

张小峰 .

计算机工程与应用, 2012, 48 (33) :56-62

[4] 基于多样性变异的量子行为粒子群优化算法 [J].

龙海侠 ;

马生全 .

计算机应用研究, 2011, 28 (06) :2064-2066+2101

[5] 基于微分进化算子和混沌扰动的量子粒子群算法 [J].

田雨波 ;

彭涛 ;

沙莎 .

江苏科技大学学报(自然科学版), 2011, 25 (02) :158-162

[6] 具有量子行为的协同粒子群优化算法 [J].

周頔 ;

孙俊 ;

须文波 .

控制与决策, 2011, 26 (04) :582-586

[7] 新的自适应免疫量子粒子群优化算法 [J].

朱颢东 ;

李红婵 .

微电子学与计算机, 2011, 28 (03) :123-125+129

[8] 基于选择操作的量子粒子群算法 [J].

龙海侠 ;

须文波 ;

王小根 ;

孙俊 .

控制与决策, 2010, 25 (10) :1499-1506

[9] 量子粒子群优化算法的收敛性分析及控制参数研究 [J].

方伟 ;

孙俊 ;

谢振平 ;

须文波 .

物理学报, 2010, 59 (06) :3686-3694

[10] 混沌量子粒子群优化算法 [J].

林星 ;

冯斌 ;

孙俊 .

计算机工程与设计, 2008, (10) :2610-2612