基于演化历史信息的自变异协同量子行为粒子群优化.pdfVIP

第１２期 电 子 学 报 Ｖｏｌ．４４ Ｎｏ．１２ ２０１６ 年１２月 ＡＣＴＡ ＥＬＥＣＴＲＯＮＩＣＡ ＳＩＮＩＣＡ Ｄｅｃ． ２０１６ 基于演化历史信息的自变异协同量子 行为粒子群优化算法 １，２ １ １ 赵 吉 ，傅 毅 ，梅 娟 （１．无锡环境科学与工程研究中心，江苏无锡２１４０６３；２．江南大学物联网工程学院，江苏无锡２１４１２２） 摘 要： 提出一种基于演化历史信息的自变异协同量子行为粒子群优化算法（ＥＳＨ-ＣＱＰＳＯ ）．该算法采用二维 空间分割树结构记录群体演化过程中的位置和适应值，借助群体之间的协同机制确保增强搜索能力，提高优化性能， 防止过早收敛．通过空间分割机制可以获得一个快速的近似适应度函数．这个近似值可以提高ＥＳＨ-ＣＱＰＳＯ 中的变异 策略，使得相应的变异操作是一种无参数、多样性的自适应变异．对比其他传统算法，通过对标准测试函数的实验结果 表明，ＥＳＨ-ＣＱＰＳＯ算法在处理多峰和单峰测试函数时具有更好的优化性能，收敛精度和收敛速度都得到了提高，证明 该算法的有效性． 关键词： 量子行为粒子群优化；演化历史信息；自适应变异；二维空间分割；协同方式 中图分类号： ＴＰ３０１．６ 文献标识码： Ａ 文章编号： ０３７２-２１１２ （２０１６）１２-２９００-０８ 电子学报ＵＲＬ：ｈｔｔｐ：／／ｗｗｗ．ｅｊｏｕｒｎａｌ．ｏｒｇ．ｃｎ ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．０３７２-２１１２．２０１６．１２．０１３ Ａｎ Ｉｍｐｒｏｖｅｄ Ｃｏｏｐｅｒａｔｉｖｅ ＱＰＳＯ ＡＩｇｏｒｉｔｈｍｗｉｔｈ Ａｄａｐｔｉｖｅ Ｍｕｔａｔｉｏｎ Ｂａｓｅｄ ｏｎ Ｅｎｔｉｒｅ Ｓｅａｒｃｈ Ｈｉｓｔｏｒｙ １，２ １ １ ＺＨＡＯＪｉ ，ＦＵ Ｙｉ ，ＭＥＩ Ｊｕａｎ （１．Ｒｅｓｅａｒｃｈ Ｃｅｎｔｒｅ ｏｆＥｎｖｉｒｏｎｍｅｎｔ Ｓｃｉｅｎｃｅ ＆Ｅｎｇｉｎｅｅｒｉｎｇ，Ｗｕｘｉ，Ｊｉａｎｇｓｕ２１４０６３，Ｃｈｉｎａ； ２．Ｓｃｈｏｏｌ ｏｆＩｏＴＥｎｇｉｎｅｅｒｉｎｇ，Ｊｉａｎｇｎａｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｗｕｘｉ，Ｊｉａｎｇｓｕ２１４１２２，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ： Ａｎ ｉｍｐｒｏｖｅｄ ｃｏｏｐｅｒａｔｉｖｅ ＱＰＳＯ ａｌｇｏｒｉｔｈｍ ｗｉｔｈ ａｄａｐｔｉｖｅ ｍｕｔａｔｉｏｎ ｂａｓｅｄ ｏｎ ｅｎｔｉｒｅ ｓｅａｒｃｈ ｈｉｓｔｏｒｙ （ＥＳＨ- ＣＱＰＳＯ）ｉｓｐｒｏｐｏｓｅｄ．Ｔｈｅ ｐｒｏｐｏｓｅｄ ａｌｇｏｒｉｔｈｍ ｅｍｐｌｏｙｓ ａ ｂｉｎａｒｙ ｓｐａｃｅ ｐａｒｔｉｔｉｏｎｉｎｇ ｔｒｅｅ ｓｔｒｕｃｔｕｒｅ ｔｏ ｍｅｍｏｒｉｚｅ ｔｈｅ ｐｏｓｉｔｉｏｎｓ ａｎｄ ｔｈｅ ｆｉｔｎｅｓｓ ｖａｌｕｅｓ ｏｆ ｔｈｅ ｅｖａｌｕａｔｅｄ ｓｏｌｕｔｉｏｎ．Ｔｈｅ ｃｏｏｐｅｒａｔｉｏｎ ｍｅｃｈａｎｉｓｍ ｂｅｔｗｅｅｎ ｔｈｅ ｓｏｌｕｔｉｏｎｓ ｃａｎ ｅｎｓｕｒｅ ｅｎｈａｎｃｅｄ