合作的具有量子行为粒子群优化算法.pdfVIP

ComputerEngtneeringandApplications计算机工程与应用 2010，46(4) 39 合作的具有量子行为粒子群优化算法 康 燕 ，冯海朋2，须文波3，杨燕萍 1 KANG Yan，FENG Hai-peng2，XU W en-bo3,YANG Yan-ping 1．河北科技师范学院 计算机系，河北 秦皇岛 066004 2．重庆邮电大学 网络控制重点实验室，重庆 400065 3．江南大学 信息学院，江苏 无锡 214122 1．DepartmentofComputerScience，HebeiNormalUniversityofScienceTechnology，Qinhuangdao，Hebei066004，China 2．KeyLab ofNetwork Controlling，ChongqingUniversity ofPostsandTelecommunications，Chongqing400065，China 3．SchoolofInfomr ationTechnology，SouthernYangtzeUniversity，Wuxi，Jiangsu214122，China E—mail：kangyan 1983@163．con _ KANG Yan，FENG Hai-peng，XU Wen-bo，eta1．CooperativeapproachtoQuantum-behavedParticleSwarm Optimiza- tion．ComputerEngineeringandApplications，2010，46(4)：39-42． Abstract：An improvementmethod forQuantum—behavedParticleSwarm Optimization algorithm(QPSO)，thatis，Cooperative Quantum—behavedParticleSwamr Optimization(CQPSO)algorithm，isintroducedbyanalyzingdeeplytheQeSO．Experimentsfor severalbenchmarkproblemsshow thatCQPSO canovercomethefaultofQPSOandincreasetheoptimizationpoweroftheparti— cleswami． Keywords：ParticleSwarm Optimization(PSO)；cooperation；quantum—behaved 摘 要：通过对具有量子行为的粒子群f~L4L(Quantum—behavedParticleSwarmOptimization，QPSO)算法深入分析，把协作机制引 入到QPSO算法中，提出了协作的具有量子行为的粒子群b~qE(CooperativeQuantum—behavedParticleSwarmOptimization)算法， 并详细阐述了这种算法的主要思想。测试结果表明，这种改进算法能够克服 QPSO算法中的不足，增强了粒子群的优化能力。 关键词：粒子群优化；协作；量子行为 DOI：10．3778~．issn．1002—8331．2010．04．012 文章编号：1002—8331(2010)04—0039—04 文献标识码：A 中图分类号：TP301．6 1 引言 群优化算法。其性能优于标准的PSO(SPSO)和带有收缩因子翻 粒子群优化 (PSO)算法是由Kennedy和Eberhart于 1995 的PSO算法。 年提出的一种进化计算技术J】【。其基本思想源于对鸟群捕食行 该文提出了一个将协作思想应用到QPSO上的方法。在 为的研究。并且出现了很多种PS0算法的改进方法 ，这些方法 修改的QPSO上的这种新方法可以使得收敛速度加快 ，并且 已广泛应用于函数优化、神经网络训练、模式分类、模糊系统控 保证了收敛效果优于原来的QPSO，称为CQPSO(Cooperative 制等领域。