一种综合-合作学习的量子粒子群优化算法  

A QUANTUM-BEHAVED PARTICLE SWARM OPTIMISATION WITH COMPREHENSIVE-COOPERATIVE LEARNING

作　　者：赵晶[1,2] 孙俊[3] 须文波[3] 

机构地区：[1]江南大学数字媒体学院,江苏无锡214122 [2]山东轻工业学院信息学院,山东济南250353 [3]江南大学物联网工程学院,江苏无锡214122

出　　处：《计算机应用与软件》2014年第6期256-259,共4页Computer Applications and Software

基　　金：国家自然科学基金项目(60703106;60474030)

摘　　要：为了改善量子粒子群优化QPSO(Quantum-behaved Particle Swarm Optimization)算法的全局收敛能力,在对综合学习策略QPSO算法研究的基础上,引入合作思想,提出综合-合作QPSO算法(CCQPSO)。在提出的算法中,局部吸引子和粒子最优位置的更新都体现在每一个具体的维度上,避免丢失解向量中最接近最优解的部分维。九个测试函数的仿真实验结果表明,提出的算法能够有效增加群体多样性,改善算法的早熟收敛。A quantum-behaved particle swarm optimisation （QPSO） with comprehensi.ve and cooperative learning （CCQPSO） is presented based on studying the QPSO with comprehensive learning policy and introducing the cooperation concept for improving the global convergence capability of QPSO. In the proposed algorithm, the updates of local attractor and particle ＇ s best position are represented in every dimension, this avoids the loss of part of the dimensions that approximate the optimal solution in solution vectors the most. The results of simulation experiment on nine test functions show that the proposed algorithm can effectively increase the diversity of population and improve the premature convergence of the algorithm.

关 键 词：粒子群优化 量子行为粒子群优化 综合学习 合作学习 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]