基于复合权值自调整策略的量子粒子群优化算法

为有效平衡量子粒子群优化算法的全局搜索和局部搜索能力,提出一种基于复合权值自调整策略的量子粒子群优化算法。采用复合典型线性递减策略与基于进化速度-聚集度的动态改变权值策略的方法来调节收缩-扩张系数,赋予两种策略相应的权重。复合权值自调整策略融合线性递减策略符合粒子群整体运动趋势的特点和动态改变策略契合粒子群当前变化态势的优势。仿真比较该算法与标准量子粒子群、动态改变权值策略的量子粒子群在优化不同测试函数时的性能,实验结果表明,该算法在收敛速度、搜索能力等方面均有一定提高。