基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对量子粒子群优化算法早熟收敛的问题,提出一种双心扰动的变异机制。对粒子的势能中心和粒子群的重心进行自适应柯西变异,发挥两者在进化后期的协同引导能力,以提高进化后期粒子群对新空间的开拓能力。对4个典型测试函数进行仿真实验,结果表明,对于单峰函数优化,双心扰动变异机制的优化效果比只采用势能中心、重心和全局最好位置变异的优化效果提高36.42%以上;对于多峰函数优化,其优化效果提高32.84%以上。
推荐文章
基于高斯扰动的量子粒子群优化算法
量子粒子群优化算法
平均位置
全局最优位置
高斯扰动
多量子粒子群协同优化算法研究
粒子群
协同优化
多量子粒子群
基于边界变异的量子粒子群优化算法
边界变异
多样性
量子粒子群优化算法
基于自适应扰动量子粒子群算法参数优化的支持向量回归机短期风电功率预测
短期风电功率预测
学习参数选择
自适应扰动量子粒子群优化算法
支持向量回归机
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 双心扰动量子粒子群优化算法研究
来源期刊 计算机工程 学科 工学
关键词 量子粒子群优化算法 势能中心 全局最好位置 柯西变异 函数优化
年,卷(期) 2014,(7) 所属期刊栏目 人工智能及识别技术
研究方向 页码范围 202-206
页数 5页 分类号 TP18
字数 3474字 语种 中文
DOI 10.3969/j.issn.1000-3428.2014.07.040
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 何建华 西北工业大学电子信息学院 32 162 5.0 11.0
2 王安龙 西北工业大学电子信息学院 5 18 3.0 4.0
3 陈松 西北工业大学电子信息学院 3 8 2.0 2.0
4 刘怀远 西北工业大学电子信息学院 3 8 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (29)
共引文献  (31)
参考文献  (8)
节点文献
引证文献  (5)
同被引文献  (12)
二级引证文献  (16)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(4)
  • 参考文献(1)
  • 二级参考文献(3)
2008(6)
  • 参考文献(1)
  • 二级参考文献(5)
2009(7)
  • 参考文献(1)
  • 二级参考文献(6)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(6)
  • 参考文献(3)
  • 二级参考文献(3)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2016(3)
  • 引证文献(2)
  • 二级引证文献(1)
2017(3)
  • 引证文献(0)
  • 二级引证文献(3)
2018(9)
  • 引证文献(1)
  • 二级引证文献(8)
2019(4)
  • 引证文献(2)
  • 二级引证文献(2)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
量子粒子群优化算法
势能中心
全局最好位置
柯西变异
函数优化
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
总被引数(次)
317027
论文1v1指导