高级搜索

量子粒子群优化算法的收敛性分析及控制参数研究

,  ,  , 

downloadPDF

上一篇

下一篇

方伟, 孙俊, 谢振平, 须文波. 2010: 量子粒子群优化算法的收敛性分析及控制参数研究, 物理学报, 59(6): 3686-3694.
引用本文: 方伟, 孙俊, 谢振平, 须文波. 2010: 量子粒子群优化算法的收敛性分析及控制参数研究, 物理学报, 59(6): 3686-3694.
shu
Fang Wei, Sun Jun, Xie Zhen-Ping, Xu Wen-Bo. 2010: Convergence analysis of quantum-behaved particle swarm optimization algorithm and study on its control parameter, Acta Physica Sinica, 59(6): 3686-3694.
Citation: Fang Wei, Sun Jun, Xie Zhen-Ping, Xu Wen-Bo. 2010: Convergence analysis of quantum-behaved particle swarm optimization algorithm and study on its control parameter, Acta Physica Sinica, 59(6): 3686-3694.
shu

量子粒子群优化算法的收敛性分析及控制参数研究

  • 江南大学信息工程学院,无锡,214122

Convergence analysis of quantum-behaved particle swarm optimization algorithm and study on its control parameter

  • 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(QPS0)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.
  • 加载中
  • 加载中
计量
  • 文章访问数:  1011
  • HTML全文浏览数:  138
  • PDF下载数:  0
  • 施引文献:  0
出版历程
  • 刊出日期:  2010-06-30

量子粒子群优化算法的收敛性分析及控制参数研究

  • 江南大学信息工程学院,无锡,214122

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(QPS0)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

    全文HTML

参考文献 (0)

目录

/

返回文章
返回