论文摘要
进化计算是近年来在人工智能研究领域内受到人们广泛关注的一个重要研究方向,也是智能信息处理中的一项重要内容。作为一种基于生物进化原理的优化算法,进化计算与其他优化算法相比,最突出的优点表现在其强大的全局寻优能力上。群体智能算法是一种进化类算法,是解决优化问题特别是复杂系统优化问题的有效手段。具有量子行为粒子群算法(Quantum-behaved Particle Swarm Optimization,QPSO)是一种新的、具有全局收敛性的群体智能算法,并且许多实际应用证明,QPSO远远优于一般的粒子群算法(Particle Swarm Optimization,PSO)。因此,本文的研究内容对于群体智能的发展具有一定的学术意义和应用价值。本文首先阐述了传统进化算法-遗传算法(Genetic Algorithm,GA)、群体智能算法中的粒子群算法(PSO)和具有量子行为粒子群算法(QPSO),针对这些算法存在的收敛性问题,在QPSO基础上提出了两种改进的QPSO算法-自适应的具有量子行为粒子群算法(Adaptive Quantum-behaved Particle Swarm Optimization , AQPSO )和合作的具有量子行为粒子群算法(Cooperative Quantum-behaved Particle Swarm Optimization,CQPSO)。在AQPSO中,提出了参数选择的方法以提高QPSO算法的全局搜索能力。在CQPSO中引入了协作思想,将QPSO算法构造成一个协作框架,相对于QPSO来说这种协作方法在问题维数增加的时候会得到更优的解。仿真算例结果表明,AQPSO和CQPSO算法无论是算法的性能和算法的稳定性都优于QPSO和PSO算法。另外,本文还研究了QPSO在离散问题中的应用,将离散粒子群算法(BPSO)和离散具有量子行为粒子群算法(BQPSO)应用到层叠滤波器设计中。因为存在着大量的层叠滤波器,所以层叠滤波器设计最主要的问题就是其最优化问题。基于PSO算法和QPSO算法的层叠滤波器优化,是将问题转化为正布尔函数优化问题,利用PSO、QPSO算法得到一最优正布尔函数。层叠滤波器设计的仿真算例结果表明,在相同迭代次数和粒子群规模的前提下,QPSO算法能够得到比PSO和遗传算法更理想的滤波图象。因此,QPSO算法将是解决层叠滤波器优化问题的有效方法。
论文目录
相关论文文献
- [1].马氏田口系统的量子行为二进制粒子群特征选择优化方法[J]. 工程科学与技术 2019(06)
- [2].求解热传导系数反问题的量子行为粒子群算法[J]. 计算机工程与应用 2014(24)
- [3].基于量子行为粒子群算法的微型飞行器三维路径规划[J]. 中南大学学报(自然科学版) 2013(S2)
- [4].量子行为网络资源并行分配优化模型及其应用[J]. 吉林大学学报(工学版) 2012(S1)
- [5].量子行为粒子群算法在基因聚类中的应用[J]. 计算机工程与应用 2010(21)
- [6].量子行为粒子群算法在图像恢复中的应用[J]. 信息技术与信息化 2013(06)
- [7].具有量子行为粒子群算法——在牵引供电系统补偿计算中的应用[J]. 山东电力高等专科学校学报 2009(01)
- [8].基于量子行为粒子群优化算法的河道糙率反演[J]. 人民黄河 2015(02)
- [9].基于量子行为粒子群优化算法的路径规划[J]. 科技通报 2013(07)
- [10].基于量子行为烟花算法的移动机器人路径规划及平滑[J]. 控制理论与应用 2019(09)
- [11].量子行为微粒群算法及其应用[J]. 连云港职业技术学院学报 2010(03)
- [12].基于精英学习的量子行为粒子群算法[J]. 控制与决策 2013(09)
- [13].一种新的二进制编码量子行为粒子群优化算法[J]. 武汉大学学报(工学版) 2017(05)
- [14].具有量子行为的协同粒子群优化算法[J]. 控制与决策 2011(04)
- [15].基于多样性变异的量子行为粒子群优化算法[J]. 计算机应用研究 2011(06)
- [16].基于量子行为粒子群优化的软件可靠性模型参数估计[J]. 高技术通讯 2014(05)
- [17].基于量子行为特性粒子群和自适应网格的多目标优化算法[J]. 信息与控制 2011(02)
- [18].变分布的量子行为粒子群优化算法求解工程约束优化问题[J]. 计算机应用 2020(05)
- [19].基于量子行为粒子群算法的含分布式电源的配电网故障定位[J]. 智慧电力 2020(08)
- [20].基于演化历史信息的自变异协同量子行为粒子群优化算法[J]. 电子学报 2016(12)
- [21].改进的量子行为粒子群算法在大学课表问题中的应用[J]. 才智 2013(11)
- [22].基于量子行为粒子群算法的微电网优化配置[J]. 计算机仿真 2014(08)
- [23].一种改进二进制编码量子行为粒子群优化聚类算法[J]. 控制与决策 2011(10)
- [24].基于量子行为粒子群优化–人工神经网络的电能质量扰动识别[J]. 中国电机工程学报 2008(10)
- [25].基于演化搜索信息的量子行为粒子群优化算法[J]. 计算机工程与应用 2017(09)
- [26].一类多目标量子行为粒子群优化算法收敛性分析及应用[J]. 信息与控制 2013(04)
- [27].海洋环境下基于量子行为粒子群优化的时间最短路径规划方法[J]. 海军工程大学学报 2017(06)
- [28].具有完全学习策略的量子行为粒子群癌症基因聚类算法[J]. 北京邮电大学学报 2014(04)
- [29].一种采用完全学习策略的量子行为粒子群优化算法[J]. 控制与决策 2012(05)
- [30].基于量子行为微粒群优化算法的图像增强方法[J]. 计算机应用 2008(01)
标签:进化计算论文; 遗传算法论文; 粒子群算法论文; 量子行为的粒子群算法论文; 自适应论文; 协作论文; 收敛论文; 层叠滤波论文;