逆序随机权重平均最优位置的量子粒子群算法

为了进一步提高量子粒子群算法的精度,从描述粒子状态波函数的δ势阱特征长度L(t)出发,本文重新修改了评价方式.通过为群体中的每个粒子引入随机权重,采用与粒子最优位置适应度逆序的结合方式,生成逆序随机权重平均最优位置来重新评价L(t).该方法降低了粒子陷入局部极值点的可能性,增强算法的随机性,帮助算法逃离局部极小值点的束缚,使算法尽快找到全局极值点.通过几个典型函数测试表明,改进算法的收敛精度优于QPSO算法,并能有效的避免粒子群陷入问题的局部极值点.

量子粒子群算法的改进实现

为了进一步提高量子粒子群算法的精度,从描述粒子状态波函数的δ势阱特征长度L(t)出发,重新修改其评价方式。通过给群体中的每个粒子引入随机权重,生成随机权重平均最优位置来重新评价L(t),以增强算法的随机性,帮助算法逃离局部极小值点的束缚,使算法尽快找到全局极值点。通过几个典型函数测试表明,改进算法的收敛精度优于QPSO算法,并且具有很强的避免陷入局部极值点的能力。