搜索

文章查询

x

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

量子粒子群优化算法的收敛性分析及控制参数研究

方伟 孙俊 谢振平 须文波

量子粒子群优化算法的收敛性分析及控制参数研究

方伟, 孙俊, 谢振平, 须文波
PDF
导出引用
导出核心图
  • 通过分析粒子群优化算法的特点,将粒子放在量子空间来描述,建立粒子的量子势能场模型,并结合群体的群集性推导了量子粒子群优化(QPSO)算法.在随机算法全局收敛定理的框架下,讨论了QPSO算法的收敛性,证明QPSO算法是一种全局收敛的算法. 针对QPSO算法的唯一控制参数,提出了三种控制策略,结合标准测试函数的仿真结果给出了具有实际指导意义的控制参数选择方法.
    • 基金项目: 国家自然科学基金(批准号: 60474030)和江南大学科研基金(批准号: 1055210322090270,1055211542080210)资助的课题.
    [1]

    [1] Kennedy J, Eberhart R C 1995 IEEE International Conference on Neural Networks (Perth: IEEE) p1942

    [2]

    [2]Poli R, Kennedy J, Blackwell T, Freitas A 2008 J. Artif. Evol. Appl. 2008 1

    [3]

    [3]Clerc M, Kennedy J 2002 IEEE Trans. Evolut. Comput. 6 58

    [4]

    [4]Gao H B, Zhou C, Gao L 2005 Chin. J. Comput. 28 1980 (in Chinese) [高海兵、周驰、高亮 2005 计算机学报 28 1980]

    [5]

    [5]Gao F, Tong H Q 2006 Acta Phys. Sin. 55 577 (in Chinese) [高飞、童恒庆 2006 物理学报 55 577]

    [6]

    [6]Wang D F, Han P 2006 Acta Phys. Sin. 55 1644 (in Chinese) [王东风、韩璞 2006 物理学报 55 1644]

    [7]

    [7]Pan F, Chen J, Gan M G 2006 Acta Autom. Sin. 32 368 (in Chinese) [潘峰、陈杰、甘明刚 2006 自动化学报 32 368]

    [8]

    [8]Zeng J C, Cui Z H 2006 J. Comput. Res. Dev. 43 96 (in Chinese) [曾建潮、崔志华 2006 计算机研究与发展 43 96]

    [9]

    [9]Zhao Z J, Xu S Y, Zheng S L, Yang X N 2009 Acta Phys. Sin. 58 5118 (in Chinese) [赵知劲、徐世宇、郑仕链、杨小牛 2009 物理学报 58 5118]

    [10]

    ]Wang X F, Xue H J, Si S K, Yao Y T 2009 Acta Phys. Sin. 58 3729 (in Chinese) [王校锋、薛红军、司守奎、姚跃亭 2009 物2理学报 58 3729]

    [11]

    ]Van den Bergh F 2001 Ph. D. Dissertation (Pretoria: University of Pretoria)

    [12]

    ]Eberhart R C, Shi Y 2001 IEEE Conference on Evolutionary Computation (Seoul: IEEE) p81

    [13]

    ]Sun J, Feng B, Xu W B 2004 IEEE Congress on Evolutionary Computation (Hawaii: IEEE) p325

    [14]

    ]Dos Santos Coelho L, Alotto P 2008 IEEE Trans. Magn. 44 1074

    [15]

    ]Dos Santos Coelho L 2008 Chaos Solitons Fract. 37 1409

    [16]

    ]Clerc M, Kennedy J 2002 IEEE Trans. Evolut. Comput. 6 58

    [17]

    ]Sun J, Feng B, Xu W B 2004 IEEE Conference on Cybernetics and Intelligent Systems (Singapore: IEEE) p111

    [18]

    ]Zeng J C, Jie J, Cui Z H 2004 Particle Swarm Algorithm (Beijing: Science Press) (in Chinese) [曾建潮、介婧、崔志华 2004 微粒群算法 (北京: 科学出版社)]

    [19]

    ]Wang L 2001 Intelligent Optimization Algorithms with Applications (Beijing: Tsinghua University Press) (in Chinese) [王凌 2001 智能优化算法及其应用 (北京: 清华大学出版社)]

    [20]

    ]Sun J, Xu W B, Feng B 2005 IEEE International Conference on Systems, Man and Cybernetics (Hawaii: IEEE) p3049

  • [1]

    [1] Kennedy J, Eberhart R C 1995 IEEE International Conference on Neural Networks (Perth: IEEE) p1942

    [2]

    [2]Poli R, Kennedy J, Blackwell T, Freitas A 2008 J. Artif. Evol. Appl. 2008 1

    [3]

    [3]Clerc M, Kennedy J 2002 IEEE Trans. Evolut. Comput. 6 58

    [4]

    [4]Gao H B, Zhou C, Gao L 2005 Chin. J. Comput. 28 1980 (in Chinese) [高海兵、周驰、高亮 2005 计算机学报 28 1980]

    [5]

    [5]Gao F, Tong H Q 2006 Acta Phys. Sin. 55 577 (in Chinese) [高飞、童恒庆 2006 物理学报 55 577]

    [6]

    [6]Wang D F, Han P 2006 Acta Phys. Sin. 55 1644 (in Chinese) [王东风、韩璞 2006 物理学报 55 1644]

    [7]

    [7]Pan F, Chen J, Gan M G 2006 Acta Autom. Sin. 32 368 (in Chinese) [潘峰、陈杰、甘明刚 2006 自动化学报 32 368]

    [8]

    [8]Zeng J C, Cui Z H 2006 J. Comput. Res. Dev. 43 96 (in Chinese) [曾建潮、崔志华 2006 计算机研究与发展 43 96]

    [9]

    [9]Zhao Z J, Xu S Y, Zheng S L, Yang X N 2009 Acta Phys. Sin. 58 5118 (in Chinese) [赵知劲、徐世宇、郑仕链、杨小牛 2009 物理学报 58 5118]

    [10]

    ]Wang X F, Xue H J, Si S K, Yao Y T 2009 Acta Phys. Sin. 58 3729 (in Chinese) [王校锋、薛红军、司守奎、姚跃亭 2009 物2理学报 58 3729]

    [11]

    ]Van den Bergh F 2001 Ph. D. Dissertation (Pretoria: University of Pretoria)

    [12]

    ]Eberhart R C, Shi Y 2001 IEEE Conference on Evolutionary Computation (Seoul: IEEE) p81

    [13]

    ]Sun J, Feng B, Xu W B 2004 IEEE Congress on Evolutionary Computation (Hawaii: IEEE) p325

    [14]

    ]Dos Santos Coelho L, Alotto P 2008 IEEE Trans. Magn. 44 1074

    [15]

    ]Dos Santos Coelho L 2008 Chaos Solitons Fract. 37 1409

    [16]

    ]Clerc M, Kennedy J 2002 IEEE Trans. Evolut. Comput. 6 58

    [17]

    ]Sun J, Feng B, Xu W B 2004 IEEE Conference on Cybernetics and Intelligent Systems (Singapore: IEEE) p111

    [18]

    ]Zeng J C, Jie J, Cui Z H 2004 Particle Swarm Algorithm (Beijing: Science Press) (in Chinese) [曾建潮、介婧、崔志华 2004 微粒群算法 (北京: 科学出版社)]

    [19]

    ]Wang L 2001 Intelligent Optimization Algorithms with Applications (Beijing: Tsinghua University Press) (in Chinese) [王凌 2001 智能优化算法及其应用 (北京: 清华大学出版社)]

    [20]

    ]Sun J, Xu W B, Feng B 2005 IEEE International Conference on Systems, Man and Cybernetics (Hawaii: IEEE) p3049

  • [1] 李盼池, 王海英, 宋考平, 杨二龙. 量子势阱粒子群优化算法的改进研究. 物理学报, 2012, 61(6): 060302. doi: 10.7498/aps.61.060302
    [2] 王培良, 张婷, 肖英杰. 蚁群元胞优化算法在人群疏散路径规划中的应用. 物理学报, 2020, 69(8): 080504. doi: 10.7498/aps.69.20191774
    [3] 王大为, 王召巴. 一种强噪声背景下微弱超声信号提取方法研究. 物理学报, 2018, 67(21): 210501. doi: 10.7498/aps.67.20180789
    [4] 唐 华, 郭 弘, 刘明伟, 仇云利, 邓冬梅. 超短强激光脉冲在等离子体隧道中传输的理论与数值模拟研究. 物理学报, 2003, 52(9): 2170-2175. doi: 10.7498/aps.52.2170
    [5] 余学才, 莫 影. 势场中玻色-爱因斯坦凝聚的临界温度. 物理学报, 2004, 53(12): 4075-4079. doi: 10.7498/aps.53.4075
    [6] 王东风, 韩 璞. 基于粒子群优化的混沌系统比例-积分-微分控制. 物理学报, 2006, 55(4): 1644-1650. doi: 10.7498/aps.55.1644
    [7] 黄宇, 刘玉峰, 彭志敏, 丁艳军. 基于量子并行粒子群优化算法的分数阶混沌系统参数估计. 物理学报, 2015, 64(3): 030505. doi: 10.7498/aps.64.030505
    [8] 郭业才, 胡苓苓, 丁锐. 基于量子粒子群优化的正交小波加权多模盲均衡算法. 物理学报, 2012, 61(5): 054304. doi: 10.7498/aps.61.054304
    [9] 高 飞, 童恒庆. 基于改进粒子群优化算法的混沌系统参数估计方法. 物理学报, 2006, 55(2): 577-582. doi: 10.7498/aps.55.577
    [10] 张宏立, 宋莉莉. 基于量子粒子群算法的混沌系统参数辨识. 物理学报, 2013, 62(19): 190508. doi: 10.7498/aps.62.190508
    [11] 王建辉, 熊双泉, 何济洲, 刘江涛. 以一维谐振子势阱中的单粒子为工质的量子热机性能分析. 物理学报, 2012, 61(8): 080509. doi: 10.7498/aps.61.080509
    [12] 许莹, 李晋斌. 大粒子数二维硬核玻色子系统的量子蒙特卡罗模拟. 物理学报, 2012, 61(11): 110207. doi: 10.7498/aps.61.110207
    [13] 林琨智. 无反射势阱中粒子运动的双波函数描述. 物理学报, 1996, 45(3): 360-369. doi: 10.7498/aps.45.360
    [14] 张茜, 刘光斌, 余志勇, 郭金库. 一种面向中继协作频谱感知系统的自适应全局最优化算法. 物理学报, 2015, 64(1): 018404. doi: 10.7498/aps.64.018404
    [15] 高云峰, 詹明生, 冯健, 王继锁. 三粒子系统的解纠缠. 物理学报, 2001, 50(11): 2083-2088. doi: 10.7498/aps.50.2083
    [16] 李一博, 张博林, 刘自鑫, 张震宇. 基于量子粒子群算法的自适应随机共振方法研究. 物理学报, 2014, 63(16): 160504. doi: 10.7498/aps.63.160504
    [17] 司守奎, 姚跃亭, 王校锋, 薛红军. 基于粒子群算法和OGY方法的混沌系统混合控制. 物理学报, 2009, 58(6): 3729-3733. doi: 10.7498/aps.58.3729
    [18] 张宗燧. 量子系统的Ergodlc定理. 物理学报, 1958, 44(5): 400-404. doi: 10.7498/aps.14.400
    [19] 刘福才, 贾亚飞, 任丽娜. 基于混沌粒子群优化算法的异结构混沌反同步自抗扰控制. 物理学报, 2013, 62(12): 120509. doi: 10.7498/aps.62.120509
    [20] 陈颖, 王文跃, 于娜. 粒子群算法优化异质结构光子晶体环形腔滤波特性. 物理学报, 2014, 63(3): 034205. doi: 10.7498/aps.63.034205
  • 引用本文:
    Citation:
计量
  • 文章访问数:  7422
  • PDF下载量:  2055
  • 被引次数: 0
出版历程
  • 收稿日期:  2009-07-05
  • 修回日期:  2009-12-17
  • 刊出日期:  2010-06-15

量子粒子群优化算法的收敛性分析及控制参数研究

  • 1. 江南大学信息工程学院,无锡 214122
    基金项目: 

    国家自然科学基金(批准号: 60474030)和江南大学科研基金(批准号: 1055210322090270,1055211542080210)资助的课题.

摘要: 通过分析粒子群优化算法的特点,将粒子放在量子空间来描述,建立粒子的量子势能场模型,并结合群体的群集性推导了量子粒子群优化(QPSO)算法.在随机算法全局收敛定理的框架下,讨论了QPSO算法的收敛性,证明QPSO算法是一种全局收敛的算法. 针对QPSO算法的唯一控制参数,提出了三种控制策略,结合标准测试函数的仿真结果给出了具有实际指导意义的控制参数选择方法.

English Abstract

参考文献 (20)

目录

    /

    返回文章
    返回