文件名称：论文研究-基于演化搜索信息的量子行为粒子群优化算法.pdf
文件大小：789KB
文件格式：PDF
更新时间：2022-09-28 00:23:14
论文研究
针对量子行为粒子群优化算法可能过早收敛而陷入局部最优的问题，提出了基于演化搜索信息的非重复访问量子行为粒子群优化算法（Non-revisited QPSO，NrQPSO）。该算法将演化搜索信息记录方案和标准QPSO算法结合起来，确保所有更新的粒子位置都是未被重复访问的，并通过变异操作增加粒子的多样性。演化搜索信息记录方案利用二维空间分割树（BSP）将连续搜索空间划分为不同的重叠子区域，并且将子区域作为粒子变异范围，使得相应的变异操作是一种无参数的自适应变异。对比其他传统算法，通过对八个标准测试函数的实验结果表明，NrQPSO算法在处理多峰和单峰测试函数时具有更好的优化性能，收敛精度和收敛速度都得到了提高，证明该算法的有效性。