四川省科技支撑计划(2012GZX0090)
- 作品数：4 被引量：12H指数：2
- 相关作者：吴涛陈曦严余松更多>>
- 相关机构：西南交通大学西南民族大学成都信息工程大学更多>>
- 发文基金：四川省软科学研究计划国家自然科学基金四川省科技支撑计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 2元相关性量子行为粒子群优化算法研究被引量：2
- 2014年
- 针对QPSO(qantum-behaved particle swarm optimization)算法中的信息加工问题,首先对势阱中心公式中的随机因子进行分析,提出了2元相关因子的概念,并使用正态Copula函数建立了粒子对自身经验信息pbest和群体共享信息gbest认知的内在联系。接着,提出了2元相关性QPSO(binary correlation QPSO,简称BC-QPSO)算法,并通过仿真实验给出相关因子的相关程度与种群多样性的关系。最后对6个测试函数的仿真结果证明,BC-QPSO算法通过选择合适的相关系数ρ的取值,可以获得更好的优化性能。
- 吴涛陈曦严余松
- 关键词：粒子群优化种群多样性
- 三元相关性量子行为粒子群优化算法研究被引量：2
- 2015年
- 为了提高QPSO算法的收敛性能,在对随机因子进行分析的基础上提出了三元相关性QPSO(TC-QPSO,ternary correlation QPSO)算法。该算法使用正态Copula函数建立了粒子对自身经验信息、群体共享信息以及粒子当前位置与群体平均最好位置的距离信息之间的内在认知和联系,并利用Cholesky平方根公式给出了三元相关因子的生成方法。对测试函数的仿真结果证明,当三元相关因子u与r1或r2之间存在负线性相关关系时,TC-QPSO算法可以获得比标准QPSO算法更好的优化性能。
- 吴涛陈曦严余松
- 关键词：粒子群优化量子粒子群优化
- 基于随机评价机制的量子粒子群优化算法及其参数控制被引量：3
- 2013年
- 为了改善量子行为粒子群优化(QPSO)算法的收敛性能,提出了一种基于随机评价策略的改进QPSO优化算法(RE-QPSO)。该算法通过使用随机因子对种群中粒子的创新性进行评价,提高了粒子摆脱局部极值的能力。提出了固定取值和线性递减两种控制策略分析RE-QPSO算法的唯一控制参数———收缩-扩张系数,通过6个标准测试函数的仿真结果给出了具有实际指导意义的控制参数选择方法。
- 吴涛严余松陈曦
- 关键词：粒子群优化量子粒子群优化
- 基于随机评价机制的交互式双子群QPSO算法被引量：6
- 2015年
- 通过两组势阱中心不同且相互协同的主、辅子群,在具有量子行为的粒子群优化(QPSO)算法基础上构造一种基于随机评价机制的交互式双子群QPSO算法(DIR-QPSO).该算法通过子群间的协作避免了种群多样性的快速消失,增强了算法的全局搜索能力.同时,随机因子的加入进一步提高了粒子摆脱局部极值的能力.对6个测试函数的实验结果表明,DIR-QPSO算法相对于传统的粒子群优化算法(PSO)在处理单峰和多峰函数时具有更好的优化性能,收敛速度和收敛精度都得到了较大的提高.
- 吴涛严余松陈曦
- 关键词：粒子群优化量子行为粒子群优化子群
