欢迎来到天天文库
浏览记录
ID:9871061
大小:261.30 KB
页数:23页
时间:2018-05-13
《量子粒子群算法探究》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、华中师范大学2012智能计算学号:*******量子粒子群的探究Quantum-behavedpaticlsswarmoptimization论文作者姓名:****作者学号:*************所在学院:计算机学院所学专业:计算机应用与技术论文完成时间:2012年11月30日2012年11月30日第Ⅰ页华中师范大学2012智能计算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博士和kennedy博士在1995年提出了一种新的算法:粒子群优化(PartideSw
2、armOptimization,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基础上提出了量子粒子群(Quantum一behavedpartieleSwarmOptimization,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
3、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,量子粒子群第Ⅰ页ABSTRACTOptimizationProblemisoftenencounteredinindustrialdesignProblem
4、s,inordertosolveawiderangeofoptimizationproblems,wehasdevelopedalotofoptimizationalgorithm,suchasAntcolonyalgorithm,geneticalgorithmandsoon.Theparticleswarmoptimization(PSO)originallydevelopedbyKennedyandEberhartin1995.Thealogrithmisstartingfromarandomsolution,andthroughthefitnesst
5、oevaluatethesolution.Thisalgorithmwithitslessparameters,simpleform,highprecisionandfastconvergenceadvantagesattractedmoreandmoreacdemicattention,anditdemonstrateitssuperiorityinsolvingpracticalproblemto.inordertoimprovetheconvergence,theQuantum-behavedpaticlsswarmoptimization(QPSO)
6、developedin2004bySunandothers,whichbasedonthestandardpso.Inthequantumspace,particlescanbesearchinthewholefeasiblesolutionspace,therebywecanobtaintheglobalthegalobaloptimalsolutionTherefore,QPSOalgorithm,whichoutperformsoriginalPSOalgorithminsearchcapabilites.Thispaperintroducesthea
7、lgorithmidea,alogrithmprocess,algorithmicparametersoftheParticleSwarmandQuantumParticleSwarmOptimizationalgorithm.AfterthatweimprovedtheQPSOalogrithmusetheCauchymutationtoreplacerandomnumberoftheQPSO.AstheCauchydistributionfeatures,makethealgorithmcanbefasteroutoflocalminima.Finall
8、y,wecanmakeuseoftheQPSOtos
此文档下载收益归作者所有