具有量子行为粒子群优化算法惯性权重的研究及应用.docVIP

具有量子行为的粒子群优化算法惯性权重研究及应用粒子群优化(PSO)算法是一种群智能优化算法，最早由Kennedy和Eberhart于1995年共同提出，其基本思想是对鸟群捕食行为的仿生模拟，通过鸟群之间的集体协作，快速搜寻并找到最优解。其基本的进化方程如下： 其中，r1，r2[0，1]为均匀分布的随机数；C1，C2均是正常数；t表示进化代数；Vt，Xt分别表示每个粒子的速度和位置；Pg，Pt分别是粒子群的全局最优和个体最优。 为了改善基本PSO算法的收敛性能，Y?Shi等人提出了惯性权重的方法和用模糊控制器来动态自适应地改变惯性权重的技术。之后Jun Sun等人提出的具有δ函数形式的粒子群算法(QDPSO)使粒子群算法的计算更加简单容易。最近一种新的QDPSO算法考虑了速度对位置的影响，通过速度的更新选择位置的更新方程。在经典粒子群算法的可调整参数中，惯性权重是非常重要的参数，较大的权重有利于提高算法的全局搜索能力，而较小的权重会增强算法的局部搜索能力。因此，对这种新的QDPSO算法的速度项引用惯性权重ω，通过研究4种方案，发现惯性权重ω的变化对具有量子行为的粒子群算法的收敛性具有很大改善。可以说惯性权重的适当设置对新的QDPSO算法性能也起着重要的作用。1 量子行为的粒子群优化算法及其改进 1.1 QDPS0算法 文献[4]的作者认为，若是在PSO系统下的个体粒子具有量