量子连续粒子群优化算法及其应用

被引：9

作者：

吕强 ^{[1
]}

陈如清 ^{[2
]}

俞金寿 ^{[3
]}

机构：

[1] 杭州电子科技大学自动化学院

[2] 嘉兴学院机电工程学院

[3] 华东理工大学自动化研究所

来源：

系统工程理论与实践 | 2008年 / 05期

关键词：

进化算法; 粒子群; 量子计算; 软测量模型;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

提出了基于量子理论的连续粒子群优化(Continuous Particle Swarm Optimization based on Quantum Methodology,CPSO-QM)算法,主要是采用了量子理论中的叠加态特性和概率表达特性.其中,叠加态特性可以使单个粒子表达更多的状态,潜在地增加了种群的多样性;概率表达特性是将粒子的状态以一定的概率表达出来.在基准函数的实验测试中,对比其它常用算法,结果显示本文提出的算法性能较好.在实际应用中,以丙烯腈反应器作为建模研究对象,提出了三种进化策略,实验结果显示,这三种策略训练的神经网络软测量模型都可以较好地预测丙烯腈的收率.

引用

页码：122 / 130

页数：9

共 5 条

[1] 一种改进的自适应逃逸微粒群算法及实验分析 [J].

赫然 ;

王永吉 ;

王青 ;

周津慧 ;

胡陈勇 .

软件学报, 2005, (12) :2036-2044

[2] 实数编码混沌量子遗传算法 [J].

陈辉 ;

张家树 ;

张超 .

控制与决策, 2005, (11) :102-105

[3] 混合量子遗传算法及其性能分析 [J].

王凌 ;

吴昊 ;

唐芳 ;

郑大钟 ;

金以慧 .

控制与决策, 2005, (02) :156-160

[4] 一种保证全局收敛的PSO算法 [J].

曾建潮 ;

崔志华 .

计算机研究与发展, 2004, (08) :1333-1338

[5]

Novel Quantum Genetic Algorithm and Its Applications[J] . Ge-xiang Zhang,Na Li,Wei-dong Jin,Lai-zhao Hu.Frontiers of Electrical and Electronic Engineering in China . 2006 (1)

← 1 →