基于随机评价机制的交互式双子群QPSO算法-控制与决策.PDF

第30 卷 第3 期 控 制 与 决 策 2015 年 3 月 Vol. 30 No. 3 Control and Decision Mar. 2015 文章编号: 1001-0920 (2015) 03-0526-05 DOI: 10.13195/j.kzyjc.2013.1291 基于随机评价机制的交互式双子群QPSO 算法 1 1 2 吴 涛 , 严余松 , 陈 曦 (1. 西南交通大学信息科学与技术学院，成都610031 ；2. 西南民族大学计算机科学与技术学院，成都610041) 摘 要: 通过两组势阱中心不同且相互协同的主、辅子群, 在具有量子行为的粒子群优化(QPSO) 算法基础上构造 一种基于随机评价机制的交互式双子群QPSO 算法(DIR-QPSO). 该算法通过子群间的协作避免了种群多样性的快 速消失, 增强了算法的全局搜索能力. 同时, 随机因子的加入进一步提高了粒子摆脱局部极值的能力. 对6 个测试函 数的实验结果表明, DIR-QPSO 算法相对于传统的粒子群优化算法(PSO) 在处理单峰和多峰函数时具有更好的优化 性能, 收敛速度和收敛精度都得到了较大的提高. 关键词: 粒子群优化；量子行为粒子群优化；子群；交互 中图分类号: TP301.6 文献标志码: A Improved dual-group interaction QPSO algorithm based on random evaluation 1 1 2 WU Tao , YAN Yu-song , CHEN Xi (1. School of Information Science Technology，Southwest Jiaotong University，Chengdu 610031，China ；2. School of Computer Science Technology，Southwest University for Nationalities，Chengdu 610041，China. Correspondent: WU Tao ，E-mail ：dorawu840720@) Abstract: The dual-group interaction quantum-behaved particle swarm optimization(QPSO) algorithm based on random evaluation(DIR-QPSO) is proposed by constructing the master-slave sub-groups with different potential well centers, which avoids the rapid disappearance of swarm diversity and enhances the global searching ability through collaboration between sub-groups. Meanwhile, the involvement of random factor further improves the particles’ ability to escape from local extremums. Experiment results on 6 testing functions show that the DIR-QPSO algorithm outperforms the traditional particle swarm optimization(P