基于差分进化的量子粒子群优化算法的研究  

Research on a quantum particle swarm optimization algorithm based on differential evolution

作　　者：留黎钦 孙波 王保云[2] 张萍 LIU Liqin;SUN Bo;WANG Baoyun;ZHANG Ping(College of Information Engineering,Putian University,Putian 351100,China;College of Communication & Information Engineering,Nanjing University of Postsand Telecommunications,Nanjing 210003,China)

机构地区：[1]莆田学院信息工程学院,福建莆田351100 [2]南京邮电大学通信与信息工程学院,江苏南京210003

出　　处：《延边大学学报（自然科学版）》2019年第2期141-144,共4页Journal of Yanbian University（Natural Science Edition）

基　　金：国家自然科学基金资助项目(61702103);福建省自然科学基金资助项目(2016J01289)

摘　　要：为了提高量子粒子群算法(QPSO)的性能,利用差分进化对量子粒子群算法进行了优化.该优化算法(DE-QPSO)在粒子更新过程中,首先通过添加一个扰动来产生一个变异粒子,然后对变异粒子进行交叉操作产生新的试验粒子,最后对试验粒子进行选择操作,确定进入下一次迭代的个体.用5种标准测试函数对DE-QPSO、QPSO和粒子群算法(PSO)的性能进行对比测试,结果表明DE-QPSO算法的性能明显优于PSO和QPSO算法,具有较好的应用价值.In order to improve the performance of QPSO,differential evolution is used to optimize QPSO.Firstly,a disturbance is added to generate a mutant particle,and then the mutant particles are cross-operated to generate new experimental particles,and finally the test particles are selected to select the individual for the next iteration.The performance of the optimized algorithm(DE-QPSO),PSO and QPSO proposed in this paper is compared and tested with five kinds of standard test functions.The results show that the performance of DE-QPSO is obviously better than that of PSO and QPSO,and has good application value.

关 键 词：粒子群算法 量子粒子群算法 差分进化算法 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] TN929[自动化与计算机技术—控制科学与工程]