文献类型：期刊文章

作　　者：袁小平[1] 金鹏[1] 周国鹏[2]

YUAN Xiao-Ping;JIN Peng;ZHOU Guo-peng(School of Information and Electric Engineering, China University of Mining and Technology,Xuzhou, 221008, China;Institute of engineering and technology,Hubei University of Science and Technology? Xianning, 437100, China)

机构地区：[1]中国矿业大学信息与控制工程学院,江苏徐州221008 [2]湖北科技学院工程技术研究院,湖北咸宁437100

出　　处：《微电子学与计算机》

基　　金：国家自然科学基金(7147307);国家科技支撑项目(2013BAK06B08);湖北教育厅优秀中青年科技创新团队计划(T201817);湖北科技创新重大项目(2018ABA076)

年　　份：2019

卷　　号：36

期　　号：4

起止页码：1-5

语　　种：中文

收录情况：BDHX、BDHX2017、JST、SCOPUS、ZGKJHX、核心刊

摘　　要：量子行为粒子群(QPSO)算法势阱中心被限制在局部最优位置和全局最优位置构成的超矩形中,粒子间信息共享机制单一,算法存在易早熟收敛、优化效率低等问题.为解决该问题,提出一种改进QPSO算法,即融合社会学习和莱维飞行的QPSO(LSL-QPSO)算法.首先,利用社会学习策略更新非最优粒子,增强种群多样性,提高算法全局搜索能力;然后,引入莱维飞行策略,克服社会学习机制中最优粒子无更新的缺点,进一步提高算法收敛精度和收敛速度.最后,通过4个典型Benchmark函数进行测试,结果表明LSL-QPSO算法的收敛精度、收敛速度和普适性领先于QPSO和其他同类QPSO改进算法.

关 键 词：量子行为粒子群算法 势阱中心  社会学习 莱维飞行  

分 类 号：TP301.6]