2元相关性量子行为粒子群优化算法研究

被引:2
作者
吴涛 [1 ]
陈曦 [2 ]
严余松 [1 ]
机构
[1] 西南交通大学信息科学与技术学院
[2] 西南民族大学计算机科学与技术学院
关键词
粒子群优化; 量子势阱; 种群多样性; 收敛;
D O I
10.15961/j.jsuese.2014.04.027
中图分类号
TP18 [人工智能理论];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ;
摘要
针对QPSO(qantum-behaved particle swarm optimization)算法中的信息加工问题,首先对势阱中心公式中的随机因子进行分析,提出了2元相关因子的概念,并使用正态Copula函数建立了粒子对自身经验信息pbest和群体共享信息gbest认知的内在联系。接着,提出了2元相关性QPSO(binary correlation QPSO,简称BC-QPSO)算法,并通过仿真实验给出相关因子的相关程度与种群多样性的关系。最后对6个测试函数的仿真结果证明,BC-QPSO算法通过选择合适的相关系数ρ的取值,可以获得更好的优化性能。
引用
收藏
页码:103 / 110
页数:8
相关论文
共 16 条
[1]  
The Particle Swarm:Explosion,Stability and Convergence in a Multi-Dimensional Complex Space. Clerc M,Kennedy J. IEEE Transactions on Evolutionary Computation . 2002
[2]  
An Analysis of Particle Swarm Optimizers. Van den Bergh F. Journal of Women s Health . 2002
[3]   基于离散式多样性评价策略的自适应粒子群优化算法 [J].
汤可宗 ;
肖绚 ;
贾建华 ;
徐星 .
南京理工大学学报, 2013, 37 (03) :344-349
[4]   蒙特卡罗模拟中相关变量随机数序列的产生方法 [J].
文德智 ;
卓仁鸿 ;
丁大杰 ;
郑慧 ;
成晶 ;
李正宏 .
物理学报, 2012, 61 (22) :26-33
[5]  
离散粒子群优化算法及其应用[M]. 清华大学出版社 , 郭文忠, 2012
[6]  
copula分布估计算法[M]. 机械工业出版社 , 王丽芳, 2012
[7]   基于群体多样性反馈控制的自组织微粒群算法 [J].
介婧 ;
曾建潮 ;
韩崇昭 .
计算机研究与发展, 2008, (03) :464-471
[8]   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
[9]  
Population diversity of particle swarms. Shi Y H,Eberhart R C. IEEE World Congress on Computational Intelligence . 2008
[10]  
Particle swarm optimization. Kennedy J,Eberhart RC. Proceedings of the 1995 IEEE International Conference on Neural Networks . 1995