基于随机评价机制的交互式双子群QPSO算法
CSTR:
作者:
作者单位:

1. 西南交通大学信息科学与技术学院,成都610031;
2. 西南民族大学计算机科学与技术学院,成都610041.

作者简介:

吴涛

通讯作者:

中图分类号:

TP301.6

基金项目:

国家自然科学基金项目(61104175);四川省软科学研究计划项目(2012ZR0022);四川省科技支撑计划项目(2012GZX0090).


Improved dual-group interaction QPSO algorithm based on random evaluation
Author:
Affiliation:

1. School of Information Science & Technology,Southwest Jiaotong University,Chengdu 610031,China;
2. School of Computer Science & Technology,Southwest University for Nationalities,Chengdu 610041,China.

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    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.

    Abstract:

    The dual-group interaction quantum-behaved particle swarm optimization(QPSO) algorithm based on random evaluation(DIR-QPSO) is proposed by constructing the master-slave sub-groups with different potential well centers, which avoids the rapid disappearance of swarm diversity and enhances the global searching ability through collaboration between sub-groups. Meanwhile, the involvement of random factor further improves the particles’ ability to escape from local extremums. Experiment results on 6 testing functions show that the DIR-QPSO algorithm outperforms the traditional particle swarm optimization(PSO) algorithm regarding the optimization of unimodal and multimodal functions, with enhancement in both convergence speed and precision.

    参考文献
    相似文献
    引证文献
引用本文

吴涛 严余松 陈曦.基于随机评价机制的交互式双子群QPSO算法[J].控制与决策,2015,30(3):526-530

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2013-09-17
  • 最后修改日期:2014-01-03
  • 录用日期:
  • 在线发布日期: 2015-03-20
  • 出版日期:
文章二维码