文献类型：期刊文章

作　　者：陈汉武[1] 朱建锋[1] 阮越[1,2] 刘志昊[1] 赵生妹[3]

机构地区：[1]东南大学计算机科学与工程学院,南京210096 [2]安徽工业大学计算机科学与技术学院,马鞍山243005 [3]南京邮电大学通信与信息工程学院,南京210003

出　　处：《东南大学学报（自然科学版）》

基　　金：国家自然科学基金资助项目(61170321;61502101);高等学校博士学科点专项科研基金资助项目(20110092110024);江苏省自然科学基金资助项目(BK20140651)

年　　份：2016

卷　　号：46

期　　号：1

起止页码：23-29

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、EI(收录号：20160902037100)、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：为了改善量子粒子群优化(QPSO)算法、提高其求解多峰优化问题的能力,采用新的粒子吸引点和势阱特征长度计算方法,引入遗传算法中的交叉算子并融入交叉概率自适应的参数控制技术,设计了一种带交叉算子的量子粒子群优化(CQPSO)算法.CQPSO算法既可确保QPSO粒子群体的多样性、维护粒子整体的活力性,又能克服特殊情况下QPSO算法收敛的不稳定性和陷入局部最优的偶发性.实验结果表明,在21个标准测试函数中,无论对应单峰函数、多峰函数或是偏移、旋转函数,在相同的物理仿真平台上,CQPSO算法的性能在绝大多数情况下都优于其他改进的量子粒子群算法,从而验证了CQPSO算法的有效性和鲁棒性.

关 键 词：量子粒子群优化 交叉算子 局部优化  多峰函数 收敛  

分 类 号：TP387]