量子粒子群算法的研究.pdf

1、隨著科技的進步，科學研究與工程實踐中出現(xiàn)的優(yōu)化問題也變得越來越復(fù)雜，傳統(tǒng)優(yōu)化方法在解決這些問題時，存在計算復(fù)雜度過高的局限。因此，計算機科學家們提出了許多模擬物理現(xiàn)象，或模仿動物的群體行為，或模仿生物的生理機能等機制的啟發(fā)式算法，希望在適當?shù)臅r間內(nèi)獲得質(zhì)量可以接受的解。
　　量子粒子群優(yōu)化算法是一種新的智能優(yōu)化方法，其思想主要來源于兩個方面:一是經(jīng)典粒子群優(yōu)化算法;二是量子力學的基本原理。量子粒子群優(yōu)化算法具有概念簡單、易于實現(xiàn)、

2、控制參數(shù)少的特點。盡管其已經(jīng)在很多領(lǐng)域取得了成功的應(yīng)用，但算法本身仍然存在一些明顯的不足之處:1）缺乏種群多樣性，算法在演化后期全局搜索能力不足，在求解復(fù)雜優(yōu)化問題時易陷入局部最優(yōu)解;2）算法的搜索策略存在某些局限性，如何改進算法的搜索策略仍是值得研究問題。
　　本文在介紹量子粒子群優(yōu)化算法的基本原理的基礎(chǔ)上，分析了量子粒子群優(yōu)化算法存在的問題。針對量子粒子群優(yōu)化算法存在的不足，本文提出新的搜索策略，在此基礎(chǔ)上設(shè)計了一種帶交叉算子