自適應(yīng)的及其基于動(dòng)態(tài)鄰域的具有量子行為粒子群優(yōu)化算法研究.pdf

1、本文的目的是研究和改進(jìn)具有量子行為的粒子群算法(Quantum-behavedParticleSwarmOptimization，簡(jiǎn)稱QPSO)。群體智能算法是一種進(jìn)化類算法，是解決優(yōu)化問題特別是復(fù)雜系統(tǒng)優(yōu)化問題的有效手段。而QPSO是一種新的、具有全局收斂性的群體智能算法，并且許多實(shí)際應(yīng)用證明，QPSO的性能遠(yuǎn)遠(yuǎn)優(yōu)于一般的粒子群算法(ParticleSwarmOptimization-簡(jiǎn)稱PSO)和遺傳算法(GA)。因此，本文的研究內(nèi)

2、容對(duì)于群體智能的發(fā)展具有一定的學(xué)術(shù)意義和科研價(jià)值。 本文首先介紹了一種群體智能算法--粒子群算法(PSO)，隨后著重闡述了具有量子行為的粒子群優(yōu)化算法理論，介紹了一種新的具有全局收斂性的算法--具有量子行為的粒子群算法(QPSO)。然后將PSO算法與QPSO進(jìn)行了比較，討論和分析了兩種算法的優(yōu)劣。 在QPSO算法的基礎(chǔ)上，本文提出了兩種改進(jìn)的具有量子行為的粒子群算法--基于全局層次的自適應(yīng)具有量子行為的粒子群優(yōu)化算法(A

3、QPSO)和基于動(dòng)態(tài)鄰域的具有量子行為的粒子群優(yōu)化算法(NQPSO)。前者提出了一種基于全局鄰域的參數(shù)控制方法，在QPSO中引入多樣性控制模型，使PSO系統(tǒng)成為一個(gè)開放式的進(jìn)化粒子群，增強(qiáng)了算法的全局搜索能力；后者是將鄰域拓?fù)渌枷牒蚎PSO相結(jié)合，在QPSO中引入動(dòng)態(tài)鄰域結(jié)構(gòu)，使得每個(gè)粒子僅與其鄰域內(nèi)的粒子相互交流信息，避免了信息的丟失，從而能有效地保證種群的多樣性。通過使用一些標(biāo)準(zhǔn)的測(cè)試函數(shù)對(duì)改進(jìn)算法進(jìn)行測(cè)試，并將測(cè)試結(jié)果與標(biāo)準(zhǔn)PSO