双心扰动量子粒子群优化算法研究

针对量子粒子群优化算法早熟收敛的问题,提出一种双心扰动的变异机制。对粒子的势能中心和粒子群的重心进行自适应柯西变异,发挥两者在进化后期的协同引导能力,以提高进化后期粒子群对新空间的开拓能力。对4个典型测试函数进行仿真实验,结果表明,对于单峰函数优化,双心扰动变异机制的优化效果比只采用势能中心、重心和全局最好位置变异的优化效果提高36.42%以上;对于多峰函数优化,其优化效果提高32.84%以上。

基于选择操作的量子粒子群算法

针对量子行为的粒子群优化(QPSO)算法存在早熟收敛的缺点,首先结合选择操作,提出2种改进的QPSO算法:基于锦标赛选择的QPSO算法和基于轮盘赌选择的QPSO算法,并施加到全局最优位置,以提高算法的搜索能力;然后证明了此算法的全局收敛性.典型标准函数优化的仿真结果表明,该算法具有较强的全局搜索能力.