| 具有随机扰动机制的改进QPSO算法及其应用 |
| |
| 引用本文： | 何光,卢小丽.具有随机扰动机制的改进QPSO算法及其应用[J].重庆工商大学学报(自然科学版),2022,39(4):26-31. |
| |
| 作者姓名： | 何光 卢小丽 |
| |
| 作者单位： | 1.重庆工商大学数学与统计学院,重庆 400067; 2.重庆工商大学长江上游经济研究中心,重庆 400067 |
| |
| 摘 要： | 针对原始量子粒子群优化算法(QPSO)在面对复杂多模函数时容易出现早熟和收敛精度低的 情况,提出了一种具有随机扰动机制的改进 QPSO 算法(MQPSO)。在改进算法设计时,首先借鉴了遗传算 法中交叉算子的思想,并结合随机扰动操作,对单个粒子的历史最优位置和全局最优位置进行了重新设定, 以增强算法在迭代后期的收敛性能,同时维持种群的多样性;其次,对QPSO算法中的重要参数收缩-扩张因 子,进行了非线性调整,以提高算法的全局收敛速度和精度。 通过8个测试函数,将 MQPSO 算法与4个现有的改进算法从平均值、标准差和最好取值三个方面进行了对比;进而根据中国证券市场中 15 只股票的历史 数据,分别运用粒子群优化算法、量子粒子群优化算法、布谷鸟搜索、蝙蝠算法和 MQPSO 算法对一类具有最小最大风险的投资组合优化模型进行数值求解。实验表明:MQPSO算法无论在基准测试中还是在仿真应用上,其计算结果在收敛精度和稳定性方面均优于其他群智能算法。
|
| 关 键 词： | 量子粒子群优化算法 随机扰动 收敛精度 最小最大型风险 |
Improved QPSO Algorithm with Random Disturbance Mechanism and Its Application |
| |
| HE Guang,LU Xiao-li.Improved QPSO Algorithm with Random Disturbance Mechanism and Its Application[J].Journal of Chongqing Technology and Business University:Natural Science Edition,2022,39(4):26-31. |
| |
| Authors: | HE Guang LU Xiao-li |
| |
| Institution: | 1. School of Mathematics and Statistics, Chongqing Technology and Business University, Chongqing 400067, China; 2. Research Center for Economy of Upper Reaches of Yangtze River, Chongqing Technology and Business University,Chongqing 400067, China |
| |
| Abstract: | |
| |
| Keywords: | quantum particle swarm optimization random disturbance convergence accuracy minimax type risk |
|
| 点击此处可从《重庆工商大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《重庆工商大学学报(自然科学版)》下载免费的PDF全文 |
|
