资源描述：
《基于随机评价机制的交互式双子群QPSO算法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、第30卷第3期控制与决策2015年3月Vol.30No.3ControlandDecisionMar.2015文章编号:1001-0920(2015)03-0526-05DOI:10.13195/j.kzyjc.2013.1291基于随机评价机制的交互式双子群QPSO算法吴涛1,严余松1,陈曦2(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
2、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:AImproveddual-groupinteractionQPSOalgo
3、rithmbasedonrandomevaluationWUTao1,YANYu-song1,CHENXi2(1.SchoolofInformationScience&Technology，SouthwestJiaotongUniversity，Chengdu610031，China；2.SchoolofComputerScience&Technology，SouthwestUniversityforNationalities，Chengdu610041，China.Correspondent:WUTao，E-ma
4、il：dorawu840720@gmail.com)Abstract:Thedual-groupinteractionquantum-behavedparticleswarmoptimization(QPSO)algorithmbasedonrandomevaluation(DIR-QPSO)isproposedbyconstructingthemaster-slavesub-groupswithdifferentpotentialwellcenters,whichavoidstherapiddisappearan
5、ceofswarmdiversityandenhancestheglobalsearchingabilitythroughcollaborationbetweensub-groups.Meanwhile,theinvolvementofrandomfactorfurtherimprovestheparticles’abilitytoescapefromlocalextremums.Experimentresultson6testingfunctionsshowthattheDIR-QPSOalgorithmoutp
6、erformsthetraditionalparticleswarmoptimization(PSO)algorithmregardingtheoptimizationofunimodalandmultimodalfunctions,withenhancementinbothconvergencespeedandprecision.Keywords:particleswarmoptimization；quantum-behavedparticleswarmoptimization；sub-group；interac
7、tion0引引引言言言然而,与其他全局优化算法一样,QPSO算法在粒子群优化算法(PSO)是一种进化计算方法[1],进化过程中仍然存在早熟收敛的问题.为了进一步提该算法通过模拟鸟群的捕食行为来求解优化问题,具高QPSO的优化性能,本文提出了一种基于随机评价有概念简明、操作简便、参数少、收敛能力强等特点,机制的交互式双子群QPSO算法(DIR-QPSO).DIR-在诸多工程领域得到了成功的应用.针对Bergh[2]所QPSO算法通过势阱中心不同、相互协同进化的两个证明的PSO算法不能保证以概率1收敛于全局最优子群,充
8、分利用搜索空间内的有效信息,避免了种群解的问题,Sun等[3]利用群体智慧的聚集性提出了多样性的快速丧失,防止粒子早熟而陷入局部最优解.具有量子行为的粒子群优化(QPSO)算法.理论证明对测试函数的实验结果表明,DIR-QPSO算法在处理QPSO算法是一种全局收敛算法.目前,QPSO在多个单峰和多峰函数时,有效地提高了已有PSO算法的收应用领域以及算法改进方
