搜索

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

量子势阱粒子群优化算法的改进研究

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

李盼池, 王海英, 宋考平, 杨二龙
PDF
导出引用
  • 为提高量子势阱粒子群优化算法的优化能力, 通过分析目前量子势阱粒子群优化算法的设计过程, 提出了改进的量子势阱粒子群优化算法. 首先, 分别基于Delta势阱、谐振子和方势阱提出了改进的量子势阱粒子群优化算法, 并提出了基于统计量均值的控制参数设计方法. 然后, 在势阱中心的设计方面, 为强调全局最优粒子的指导作用, 提出了基于自身最优粒子加权平均和动态随机变量的两种设计策略. 实验结果表明, 三种势阱粒子群优化算法性能比较接近, 都优于原算法, 且Delta势阱模型略优于其他两种.
      通信作者: 李盼池, lipanchi@vip.sina.com
    • 基金项目: 国家自然科学基金(批准号:61170132)、中国博士后科学基金(批准号:20090460864,201003405)、黑龙江省博士后科学基金(批准号:LBH-Z09289)和黑龙江省教育厅科学基金(批准号:11551015)资助的课题.
    [1]

    Kennedy J, Eberhart R C 1995 IEEE International Conference on Neural Networks Perth, Australian, November 27December 1, 1995 p1942

    [2]

    Guo W Z, Chen G L 2011 J. Software 22 833 (in Chinese)[郭文忠, 陈国龙 2011 软件学报 22 833]

    [3]
    [4]
    [5]

    Lin S W, Ying K C, Chen S C, Lee Z J 2008 Expert Syst. Appl. 35 1817

    [6]
    [7]

    Cai X J, Cui Z H, Zeng J C, Tan Y 2008 Inf. Process. Lett. 105 231

    [8]
    [9]

    Liu Y, Qin Z, Shi Z W, Lu J 2007 Neurocomputing 70 672

    [10]

    Zhang Y J, Shao S F 2011 Pattern Recogni. Artif. Intell. 24 90 (in Chinese)[张英杰, 邵岁锋 2011 模式识别与人工智能 24 90]

    [11]
    [12]

    Zhu H M, Wu Y P 2010 Control Decis. 25 20 (in Chinese)[朱海梅, 吴永萍 2010 控制与决策 25 20]

    [13]
    [14]
    [15]

    Samrat L S, Leandro S C, Ajith A 2009 Microelectron. Reliab. 49 660

    [16]

    Omkara S N, Khandelwala R, Ananthb T S 2009 Expert Syst. Appl. 36 11312

    [17]
    [18]
    [19]

    Meng K, Wang H G, Dong Z Y 2010 IEEE Trans. Power Syst. 25 215

    [20]

    Zhang Z S 2010 Expert Syst. Appl. 37 1800

    [21]
    [22]

    Lu S F, Sun S F, Lu Z D 2010 Energy Convers. Manage. 51 561

    [23]
    [24]
    [25]

    Gao H, Xu W B, Sun J, Tang Y L 2010 IEEE Trans. Instrum. Meas. 59 934

    [26]

    Leandro S C 2010 Expert Syst. Appl. 37 1676

    [27]
    [28]
    [29]

    Fang W, Sun J, Xie Z P, XuWB 2010 Acta Phys. Sin. 59 3686 (in Chinese)[方伟, 孙俊, 谢振平, 须文波 2010 物理学报 59 3686]

    [30]

    Feng B, Xu W B 2004 IEEE Conference on Cybernetics and Intelligent Systems Singapore, December 13, 2004 p291

    [31]
    [32]
    [33]

    Feng B, Xu W B 2004 IEEE Conference on Control, Automation, Robotics and Vision Kunming, December 69, 2004, China p1454

    [34]

    Said M M, Ahmed A K 2006 IEEE Trans. Antennas Propagat. 54 2765

    [35]
    [36]
    [37]

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

    [38]
    [39]

    Zhao S Q, Zheng W 1999 Random Signal Analysis (Harbin: Harbin Institute of Technology Press) p54 (in Chinese)[赵淑清, 郑薇 1999 随机信号分析 (哈尔滨: 哈尔滨工业大学出版社) 第54页]

  • [1]

    Kennedy J, Eberhart R C 1995 IEEE International Conference on Neural Networks Perth, Australian, November 27December 1, 1995 p1942

    [2]

    Guo W Z, Chen G L 2011 J. Software 22 833 (in Chinese)[郭文忠, 陈国龙 2011 软件学报 22 833]

    [3]
    [4]
    [5]

    Lin S W, Ying K C, Chen S C, Lee Z J 2008 Expert Syst. Appl. 35 1817

    [6]
    [7]

    Cai X J, Cui Z H, Zeng J C, Tan Y 2008 Inf. Process. Lett. 105 231

    [8]
    [9]

    Liu Y, Qin Z, Shi Z W, Lu J 2007 Neurocomputing 70 672

    [10]

    Zhang Y J, Shao S F 2011 Pattern Recogni. Artif. Intell. 24 90 (in Chinese)[张英杰, 邵岁锋 2011 模式识别与人工智能 24 90]

    [11]
    [12]

    Zhu H M, Wu Y P 2010 Control Decis. 25 20 (in Chinese)[朱海梅, 吴永萍 2010 控制与决策 25 20]

    [13]
    [14]
    [15]

    Samrat L S, Leandro S C, Ajith A 2009 Microelectron. Reliab. 49 660

    [16]

    Omkara S N, Khandelwala R, Ananthb T S 2009 Expert Syst. Appl. 36 11312

    [17]
    [18]
    [19]

    Meng K, Wang H G, Dong Z Y 2010 IEEE Trans. Power Syst. 25 215

    [20]

    Zhang Z S 2010 Expert Syst. Appl. 37 1800

    [21]
    [22]

    Lu S F, Sun S F, Lu Z D 2010 Energy Convers. Manage. 51 561

    [23]
    [24]
    [25]

    Gao H, Xu W B, Sun J, Tang Y L 2010 IEEE Trans. Instrum. Meas. 59 934

    [26]

    Leandro S C 2010 Expert Syst. Appl. 37 1676

    [27]
    [28]
    [29]

    Fang W, Sun J, Xie Z P, XuWB 2010 Acta Phys. Sin. 59 3686 (in Chinese)[方伟, 孙俊, 谢振平, 须文波 2010 物理学报 59 3686]

    [30]

    Feng B, Xu W B 2004 IEEE Conference on Cybernetics and Intelligent Systems Singapore, December 13, 2004 p291

    [31]
    [32]
    [33]

    Feng B, Xu W B 2004 IEEE Conference on Control, Automation, Robotics and Vision Kunming, December 69, 2004, China p1454

    [34]

    Said M M, Ahmed A K 2006 IEEE Trans. Antennas Propagat. 54 2765

    [35]
    [36]
    [37]

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

    [38]
    [39]

    Zhao S Q, Zheng W 1999 Random Signal Analysis (Harbin: Harbin Institute of Technology Press) p54 (in Chinese)[赵淑清, 郑薇 1999 随机信号分析 (哈尔滨: 哈尔滨工业大学出版社) 第54页]

  • 引用本文:
    Citation:
计量
  • 文章访问数:  4003
  • PDF下载量:  1060
  • 被引次数: 0
出版历程
  • 收稿日期:  2011-05-23
  • 修回日期:  2011-07-03
  • 刊出日期:  2012-03-05

量子势阱粒子群优化算法的改进研究

  • 1. 东北石油大学 石油与天然气工程博士后流动站, 大庆 163318;
  • 2. 东北石油大学 计算机与信息技术学院, 大庆 163318
  • 通信作者: 李盼池, lipanchi@vip.sina.com
    基金项目: 

    国家自然科学基金(批准号:61170132)、中国博士后科学基金(批准号:20090460864,201003405)、黑龙江省博士后科学基金(批准号:LBH-Z09289)和黑龙江省教育厅科学基金(批准号:11551015)资助的课题.

摘要: 为提高量子势阱粒子群优化算法的优化能力, 通过分析目前量子势阱粒子群优化算法的设计过程, 提出了改进的量子势阱粒子群优化算法. 首先, 分别基于Delta势阱、谐振子和方势阱提出了改进的量子势阱粒子群优化算法, 并提出了基于统计量均值的控制参数设计方法. 然后, 在势阱中心的设计方面, 为强调全局最优粒子的指导作用, 提出了基于自身最优粒子加权平均和动态随机变量的两种设计策略. 实验结果表明, 三种势阱粒子群优化算法性能比较接近, 都优于原算法, 且Delta势阱模型略优于其他两种.

English Abstract

参考文献 (39)

目录

    /

    返回文章
    返回