量子粒子群算法及其利用.pdf

中文摘要 优化问题是工业设计中常遇到的问题，为了解决各种各样的优化问题， 已经提出了许多优化算法，比较著名的有蚁群算法、遗传算法等。Eberhart Swarm Optimization，PSO)算法。该算法从随机解出发，通过迭代寻找最优 解，并通过适应度来评价解的优劣。这种算法以其参数少、形式简单、精度 高、收敛快等优点引起了学术界的重视，并且在解决实际问题中展示了其优越 性。为了更好地改善其收敛性，Sun等人2004年在标准的PSO基础上提出了 ParticleSwarm 量子粒子群(Quantum-behavedOptimization，QPSO)，使得粒 子可以在整个可行解的空间中进行搜索，从而寻求全局最优解，因此比PSO 算法具有更好的全局收敛性和搜索能力。 本文首先介绍了PSO及QPSO的算法思想、流程、参数，并对算法进行 了数学分析以及介绍了几种改进的PSO和QPSO算法。接着在QPSO的基 础上提出一种改进的算法，利用柯西变异来替代QPSO中的随机数，由于柯 西分布具有较长的两翼的特点，使得算法可以更快的跳出局部最优点。最后， 在QPSO的基础上对一些优化问题进行应用并求解，尤其是一些复杂的规划 问题的求解，通过数值实验更好的说明了QPSO算法的优越性。 文章最后对全文总结并展望了未来。 关键词 优化问题，粒子群算法，收敛性，量子粒子群 Abstract(英文摘要) isoftenencounteredinindustrial Optimizationproblem designproblems， in solveawide of has alot orderto rangeoptimizationproblems，wedeveloped of asAnt and optimizationalgorithms，suchcolonyalgorithm，geneticalgorithm S19on．The swarm developedbyKennedy particle optimization(PSO)originally andEberhartin1995．The is fromarandom algorithmstarting solution，and withitsless thefitnesstoevaluatethesolutions．This through algorithm parame- andfast attractedmore ters，simpleform，highprecision convergenceadvantages moreacademic itdemonstrateits in and attention，and superioritysolvingprac- tical to．Inorderto the problems improveconvergence，theQuantum—behaved swarm in2004Sunand by others，which particle optimization(