求解连续空间优化问题的量子粒子群算法

被引：50

作者：

李士勇

李盼池

机构：

[1] 哈尔滨工业大学控制科学与工程系

来源：

量子电子学报 | 2007年 / 05期

关键词：

量子光学; 粒子群优化; 量子优化; 量子计算;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

为提高粒子群算法的搜索能力和优化效率并避免早熟收敛,将量子进化算法融合到粒子群算法中,提出一种求解连续空间优化问题的量子粒子群优化算法。用量子位的概率幅对粒子位置编码,用量子旋转门实现粒子移动,完成粒子搜索;用量子非门实现变异,提高种群多样性。因每个量子位有两个概率幅,故每个粒子同时占据空间两个位置,在粒子数目相同时,能加速粒子的搜索进程。实验结果表明,本算法优于基本粒子群算法。

引用

页码：569 / 574

页数：6

共 6 条

[1]

Cooperative learning in neural networks using particle swarm optimizers. van den Bergh F,Engelbrecht A P. South African Computer Journal . 2000

[2]

Particle swarms optimization. Kennedy J,,Eberhart R C. Proc.IEEE International Conference on Neural Networks . 1995

[3]

Quantum-inspired evolutionary algorithm for a class of combinational optimization. Hyun K,Kim J H. IEEE Transactions on Evolutionary Computing . 2002

[4]

Comparing inertia weights and constriction factors in particle swarm optimization. Eberhart R C,,Shi Y H. Proc 2000 Congress Evolutionary Computation . 2000

[5]

Hybrid particle swarm optimizer with breeding and subpopulations. Lovbjerg M,Rasmussen T K,Krink T. Proe of the 3rd Genetic and Evolutionary Computation Conference . 2001

[6]

A modified particle swarm optimizer. Shi Y H,Eberhart R C. IEEE World Congress on Computational Intelligence . 1998

← 1 →