量子粒子群算法及其應(yīng)用.pdf

1、優(yōu)化問(wèn)題是工業(yè)設(shè)計(jì)中常遇到的問(wèn)題，為了解決各種各樣的優(yōu)化問(wèn)題，已經(jīng)提出了許多優(yōu)化算法，比較著名的有蟻群算法、遺傳算法等。Eberhart博士和kennedy博士在1995年提出了一種新的算法：粒子群優(yōu)化(ParticleSwarm Optimization，PSO)算法。該算法從隨機(jī)解出發(fā)，通過(guò)迭代尋找最優(yōu)解，并通過(guò)適應(yīng)度來(lái)評(píng)價(jià)解的優(yōu)劣。這種算法以其參數(shù)少、形式簡(jiǎn)單、精度高、收斂快等優(yōu)點(diǎn)引起了學(xué)術(shù)界的重視，并且在解決實(shí)際問(wèn)題中展示了其優(yōu)

2、越性。為了更好地改善其收斂性，Sun等人2004年在標(biāo)準(zhǔn)的PSO基礎(chǔ)上提出了量子粒子群(Quantum-behaved Particle Swarm Optimization，QPSO)，使得粒子可以在整個(gè)可行解的空間中進(jìn)行搜索，從而尋求全局最優(yōu)解，因此比PSO算法具有更好的全局收斂性和搜索能力。
　　 本文首先介紹了PSO及QPSO的算法思想、流程、參數(shù)，并對(duì)算法進(jìn)行了數(shù)學(xué)分析以及介紹了幾種改進(jìn)的PSO和QPSO算法。接著在Q