基于云模型云滴机制的量子粒子群优化算法-计算机工程与应用.PDFVIP

Computer Engineering and Applications 计算机工程与应用 2012 ，48 （24 ） 49 基于云模型云滴机制的量子粒子群优化算法 齐名军，杨爱红 QI Mingjun, YANG Aihong 鹤壁职业技术学院，河南 鹤壁 458030 Hebi Occupation Technology College, Hebi, Henan 458030, China QI Mingjun, YANG Aihong. Quantum Particle Swarm Optimization based on Cloud model Cloud droplet strategy. Computer Engineering and Applications, 2012, 48 （24 ）：49-52. Abstract ：A novel Cloud model Cloud droplet strategy ’s Quantum Particle Swarm Optimization （CQPSO ）is pro- posed by using the characteristics of cloud model cloud droplet randomness and stable disposition. This algorithm based on Quantum Particle Swarm Optimization, it produces hybrid operation by cloud model of X , Y generators and mutation operation by basic cloud generator. It is used to solve the complex functions optimization problem with variable boundary constrained nonlinearity. The simulation results show that the algorithm has higher calcula- tion precision, faster search speed and so on. It has some references and application values. Key words ：cloud model; Quantum Particle Swarm Optimization（QPSO ）; function optimization 摘 要：利用云模型云滴的随机性和稳定倾向性的特点，提出了一种云模型云滴机制的量子粒子群优化算法， 该算法在量子粒子群优化的基础上，由云模型的X ，Y 条件发生器产生杂交操作，由基本云发生器产生变异操 作，用于求解具有变量边界约束的非线性复杂函数最优化问题。仿真结果表明，该算法具有计算精度较高，搜 索速度较快等特点，具有一定的参考和应用价值。 关键词：云模型；量子粒子群优化算法；函数优化 文章编号：1002-8331（2012 ）24-0049-04 文献标识码：A 中图分类号：TP301.6 [1] 粒子群优化算法 是一种智能全局优化算法，最 针对这些不足，很多学者对基本粒子群算法进行了一 初由Kennedy 和Eberhart 于1995年提出并成功地应 些改进。其中文献[4]在算法的后期引入模拟退火算 用于函数优化，文献[2]提出量子粒子群优化算法，对 法，用模拟退火算法对粒子群搜索得到的满意解域 它进一步进行了扩展，由于该算法使用了这种双概 进行局部搜索，从而得到比较精确的最优解；文献[5] 率幅编码机制，使粒子找到最优位置的机会明显加 对算法中的一些常数参数进行自适应调整，提高了 大，因此具有较强的搜索能力和寻优效率，但随着研 算法的收敛速度。本文针对量子粒子群优化算法的 究的深入，学者们发现量子粒子群优化算法存在着 不足，引入云模型云滴机制，提出了一种新的算法—— [3] 一些不足 ：（1