自学习的量子粒子群优化算法改进

• 作者: 周頔 孙俊 盛歆漪 须文波
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 粒子群算法 自适应学习 局部吸引点 搜索模式
• 年，卷（期）: 2014,（20）
• 所属期刊栏目: 博士论坛
• 页码范围: 24-29
• 页数: 6页
• 分类号: TP301
• 字数: 4759字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1403-0494

摘要

分析了量子行为粒子群优化算法，着重研究了算法中群体粒子的搜索行为，对算法中局部吸引点进行了分析，提出针对粒子在搜索过程中所处的不同搜索环境，将粒子的搜索行为分为四种类型，并能够自适应地学习优化问题环境，采用合适的学习模式，提高算法整体优化性能；将改进后的自学习量子粒子群算法与其他一些改进方法通过CEC2005 benchmark测试函数进行了比较，最后对结果进行了分析，仿真结果显示自学习方法能够显著改善量子粒子群优化算法的性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	须文波	江南大学物联网学院	409	3078	23.0	34.0
2	孙俊	江南大学物联网学院	186	1552	21.0	30.0
3	周頔	江南大学数字媒体学院	15	76	4.0	8.0
4	盛歆漪	江南大学数字媒体学院	11	60	4.0	7.0