| 基于正态云模型的自适应量子粒子群优化算法 |
| |
| 作者姓名： | 余大为 周海鹏 孙敏 李旸 张恩宝 李倩倩 |
| |
| 作者单位： | 安徽农业大学信息与计算机学院,安徽合肥230036;农业部农业物联网技术集成与应用重点实验室(安徽农业大学),安徽合肥230036;国网安徽省电力有限公司宣城供电公司,安徽宣城,242000 |
| |
| 基金项目： | 国家自然科学基金资助项目(61402013) |
| |
| 摘 要： | 基于云模型的随机性、模糊性和稳定性特征,通过正态云发生器对量子粒子群优化算法（QPSO）进行改进,提出了一种基于正态云模型的自适应量子粒子群优化算法（CMAQPSO）.该算法将正态云模型引入到QPSO算法的研究,定义了收缩扩张系数的云调整策略和粒子云变异算子的构建公式,给出了量子势阱中心调整策略和边界修正策略.用5个标准测试函数对SPSO,OPSO,CVCPSO,CMAQPSO 4种算法进行对比测试,实验结果表明,CMAQPSO在5个测试函数上的平均寻优效果都明显优于其他3种算法.
|
| 关 键 词： | 正态云模型 自适应 量子粒子群 量子粒子群优化算法 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《吉首大学学报(自然科学版)》浏览原始摘要信息 |
|
点击此处可从《吉首大学学报(自然科学版)》下载全文 |
|
