分享到:

量子行为粒子群优化算法研究

群体智能算法是通过模拟社会性生物群体的群体行为,对给定的目标进行寻优的启发式搜索算法,其寻优过程体现了随机、并行和分布式等特点。群体智能算法的典型代表是模拟了鸟类群体行为的粒子群优化(Particle Swarm Optimization,PSO)算法,由Kennedy和Eberhart于1995年提出。PSO算法自提出以来,由于其计算简单、易于实现、控制参数少等特点,引起了国内外相关领域众多学者的关注和研究。但PSO算法的缺陷也很明显。首先从理论上讲,它不是一个全局收敛算法;其次,算法的速度与位置进化公式使得粒子群的随机性和智能性较低;此外,算法性能对速度上限的依赖使其鲁棒性降低。针对这些缺点,在深入研究群体智能基本特征和人类学习模式进行思考,本文建立了基于量子δ势阱的粒子群模型,提出了量子行为的粒子群优化(Quantum-behaved Particle SwarmOptimization,QPSO)算法,该算法具有全局收敛  (本文共129页) 本文目录 | 阅读全文>>

江南大学
江南大学

群体智能算法及其在基因表达数据聚类中的应用

群体智能算法是一种新兴的优化计算方法,自20世纪80年代提出以来,引起了众多学科研究者的广泛关注,目前已成为优化技术领域的一个热点研究方向。群体智能算法是基于群体行为对给定的目标进行寻优的启发式搜索算法,其寻优过程体现了随机、并行和分布式的特点。作为群体智能算法中的典型代表,粒子群优化(Particle Swarm Optimization,PSO)算法是由Kennedy和Eberhart在1995年提出的,其基本思想是受他们早期对鸟类群体行为研究结果的启发,并利用了生物学家Frank Heppner的生物群体模型。PSO算法具有计算简单,易于实现、控制参数少等优点,但是却不是一个全局收敛的算法。量子行为粒子群优化(Quantum-behaved Particle Swarm, QPSO)算法是在分析了PSO算法中粒子收敛行为的基础上,从量子力学角度出发,提出的一种全新PSO算法模型,具有控制参数更少,收敛速度快,全局收敛能力强...  (本文共137页) 本文目录 | 阅读全文>>

《小型微型计算机系统》2015年02期
小型微型计算机系统

量子粒子群混合优化算法求解约束优化问题

针对标准粒子群优化算法和量子行为粒子群优化算法的特性,将两种算法融合在一起,提出一种量子粒子群混合优化算法用于求解约束优化问题.此算法充分发挥了标准粒子群优化算法中通过个体与群体之间的相...  (本文共5页) 阅读全文>>

西南交通大学
西南交通大学

粒子群及量子行为粒子群优化算法的改进研究

最优化问题是现代数学的一个重要分支,涉及到许多不同的学科,其主要的目的是在满足一定约束条件的情况下,找到一组数值以使得系统的某些最优性度量得到满足。解决最优化问题的方法被称为优化方法。随着人类社会进步和科学技术的迅猛发展,越来越多具有复杂性、非线性、系统性的问题使用传统优化方法很难解决甚至无法求解。群体智能通过研究社会性动物(如蚁群、蜂群、鸟群等)的自组织行为摆脱了经典逻辑计算的束缚,为传统方法无法解决的问题特别是系统复杂性问题(如NP问题等)和实际应用中出现的新问题的求解方案提供了快速、可靠的新途径。粒子群优化算法(Particle Swarm Optimization,简称PSO)是James Kennedy和Russell Eberhart于1995年提出的一种群体智能方法。孙俊等人针对PSO算法存在的收敛瓶颈问题,将人类学习过程与量子空间中粒子的行为模式进行对比,利用群体智慧的聚集性,在PSO算法的基础上提出了具有量子行...  (本文共159页) 本文目录 | 阅读全文>>

《模式识别与人工智能》2016年06期
模式识别与人工智能

基于量子行为粒子群优化的软子空间聚类算法

针对软子空间聚类算法搜寻聚类中心点容易陷入局部最优的缺点,提出在软子空间聚类框架下,结合量子行为粒子群优化(QPSO)和梯度下降法优化软子空间聚类目标函数的...  (本文共9页) 阅读全文>>

《计算机应用研究》2011年07期
计算机应用研究

一种量子行为粒子群优化动态聚类算法

为了改善量子行为粒子群优化算法的收敛性能,避免粒子早熟问题,提出了一种基于完全学习策略的量子行为粒子群优化算法。由此设计了一种新的数据聚类算法,新的聚类...  (本文共4页) 阅读全文>>