基于自适应QPSO算法的软件测试数据自动生成

针对软件测试数据采用遗传算法和粒子群算法自动生成算法复杂和容易早熟等问题,提出一种动态调整收缩扩张因子的自适应量子粒子群算法(AQPSO)。该算法通过引入粒子进化度和聚合度,收缩扩张因子随粒子进化度因子和聚合度因子变化而变化,从而实现算法的动态自适应性,提高算法收敛速度和求解精度。软件测试数据自动生成实验验证了该算法的有效性和可行性。

引入平均最好位置的量子粒子群算法及在航空发动机非线性模型求解中的应用

为改善粒子群算法的全局搜索能力和计算精度,在标准粒子群算法和量子理论的基础上,将平均最好位置引入粒子的状态更新过程,提出了1种基于量子行为改进的粒子群算法及不同的收缩-扩张因子取值策略。采用该量子粒子群算法对建立的典型双轴涡扇发动机部件级非线性模型进行了求解,结果表明:分段线性递减收缩-扩张因子适用于复杂的航空发动机隐式模型,其收敛效率和精度都较高,具有一定的工程应用价值。

非线性系统的改进型迭代学习控制算法研究

针对普通闭环PD型迭代学习控制算法收敛速度慢且收敛精度不高的问题,通过在闭环PD型控制算法中引入动态扩张-收缩因子(dynamic expansion compression coefficient,DECC)的方法,提高闭环PD型算法的收敛速度以及收敛精度。同时将鲁棒控制引入至算法中,进一步提高算法抑制外界干扰的能力。通过构造李雅普诺夫函数证明了在所提改进的控制律作用下的信号是有界且收敛的。最后将改进的迭代学习控制算法应用在一类具有重复运行性质的非线性系统中,证明所提算法是有效的。

带排序映射的量子粒子群优化算法求解WTA问题

针对武器—目标分配(WTA)问题及其特点,提出一种带排序映射的量子粒子群优化算法。首先通过武器系统对目标攻击过程中得到的毁伤收益建立了目标分配模型;然后根据该模型的约束特点,提出一种基于排序映射的编码调整方式,并引入一种非线性扩张收缩因子自适应调整方法;最后在算法中嵌入一种判断和避免搜索早熟和停滞的有效方法。通过仿真对比验证,该算法具有较高的收敛速度与稳定性。实验结果表明所提方法能有效求解WTA问题。

无人机三维航迹规划的量子粒子群优化算法

针对传统的粒子群优化算法容易陷入局部最优解的问题,采用量子粒子群优化算法开展了无人机三维航迹规划。详细分析了固定翼无人机的飞行性能约束条件。为了减小算法计算复杂度,提高规划效率,对三维航迹规划问题的高度规划采用了直接设定策略,即,设置各个航路点的高度介于最大、最小飞行高度之间,从而将三维航路规划问题简化为二维航路规划问题。设计了收缩-扩张因子的线性增大调节策略、代价函数和航迹规划流程。分别采用量子粒子群优化算法和传统粒子群优化算法开展了无人机三维航迹规划仿真实验。仿真结果对比表明,所设计的量子粒子群优化算法比传统粒子群优化算法具有更高的全局搜索能力和搜索精度。

基于双混沌量子粒子群算法的的模糊图像增强研究

针对模糊图像增强存在的缺陷,提出双混沌量子机制的粒子群优化算法。首先对量子粒子群增设收缩扩张因子来动态改变搜索边界;接着双混沌量子机制系统利用两种不同的混沌机制同时在搜索空间中进行独立搜索,根据两者搜索的最优点的距离情况来缩小搜索空间,得出空间真正的最优值;最后通过非完全Beta函数建立双混沌量子粒子群算法与模糊图像增强的关系,给出了算法流程。实验仿真显示本算法增强效果清晰,同时较好地保持了图像的整体视觉效果,直方图显示本算法较其他算法灰度值分布均匀,信噪比改善较大。