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-电子学报.PDF

第１２期 电　　子　　学　　报 Ｖｏｌ．４４　Ｎｏ．１２ ２０１６年１２月 ＡＣＴＡＥＬＥＣＴＲＯＮＩＣＡＳＩＮＩＣＡ 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 ＡｎＩｍｐｒｏｖｅｄＣｏｏｐｅｒａｔｉｖｅＱＰＳＯＡｌｇｏｒｉｔｈｍｗｉｔｈＡｄａｐｔｉｖｅＭｕｔａｔｉｏｎ ＢａｓｅｄｏｎＥｎｔｉｒｅＳｅａｒｃｈＨｉｓｔｏｒｙ １，２ １ １ ＺＨＡＯＪｉ ，ＦＵＹｉ，ＭＥＩＪｕａｎ （１．ＲｅｓｅａｒｃｈＣｅｎｔｒｅｏｆＥｎｖｉｒｏｎｍｅｎｔＳｃｉｅｎｃｅ＆Ｅｎｇｉｎｅｅｒｉｎｇ，Ｗｕｘｉ，Ｊｉａｎｇｓｕ２１４０６３，Ｃｈｉｎａ； ２．ＳｃｈｏｏｌｏｆＩｏＴＥｎｇｉｎｅｅｒｉｎｇ，ＪｉａｎｇｎａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｘｉ，Ｊｉａｎｇｓｕ２１４１２２，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：　ＡｎｉｍｐｒｏｖｅｄｃｏｏｐｅｒａｔｉｖｅＱＰＳＯａｌｇｏｒｉｔｈｍｗｉｔｈａｄａｐｔｉｖｅｍｕｔａｔｉｏｎｂａｓｅｄｏｎｅｎｔｉｒｅｓｅａｒｃｈｈｉｓｔｏｒｙ（ＥＳＨ ＣＱＰＳＯ）ｉｓｐｒｏｐｏｓｅｄ．Ｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍｅｍｐｌｏｙｓａｂｉｎａｒｙｓｐａｃｅｐａｒｔｉｔｉｏｎｉｎｇｔｒｅｅｓｔｒｕｃｔｕｒｅｔｏｍｅｍｏｒｉｚｅｔｈｅｐｏｓｉｔｉｏｎｓ ａｎｄｔｈｅｆｉｔｎｅｓｓｖａｌｕｅｓｏｆｔｈｅｅｖａｌｕａｔｅｄｓｏｌｕｔｉｏｎ．Ｔｈｅｃｏｏｐｅｒａｔｉｏｎｍｅｃｈａｎｉｓｍｂｅｔｗｅｅｎｔｈｅｓｏｌｕｔｉｏｎｓｃａｎｅｎｓｕｒｅｅｎｈａｎｃｅｄ ｓｅａｒｃｈｃａｐａｂｉｌｉｔｉｅｓ，ｉｍｐｒｏｖｅｔｈｅｏｐｔｉｍｉｚｅｐｅｒｆｏｒｍａｎｃｅａｎｄｐｒｅｖｅｎｔｐｒｅｍａｔｕｒｅｃｏｎｖｅｒｇｅｎｃｅ．Ｂｅｎｅｆｉｔｉｎｇｆｒｏｍｔｈｅｓｐａｃｅｐａｒｔｉｔｉｏ ｎｉｎｇｓｃｈｅｍｅ，ａｆａｓｔｆｉｔｎｅｓｓｆｕｎｃｔｉｏｎａｐｐｒｏｘｉｍａｔｉｏｎｕｓｉｎｇｔｈｅａｒｃｈｉｖｅｉｓｏｂｔａｉｎｅｄ．Ｔｈｅａｐｐｒｏｘｉｍａｔｉｏｎｉｓｕｓｅｄｔｏｉｍｐｒｏｖｅｔｈｅ ｍｕｔａｔｉｏｎｓｔｒａｔｅｇｙｉｎＥＳＨＣＱＰＳＯ．Ｔｈｅｒｅｓｕｌｔａｎ