量子粒子群算法探究.docx

学号：*******量子粒子群的探究Quantum-behaved paticls swarm optimization论文作者姓名： **** 作 者 学 号： ************* 所 在 学 院： 计算机学院 所 学 专 业： 计算机应用与技术 论文完成时间： 2012年11月30日 2012年11月30日摘 要优化问题是工业设计中常遇到的问题，为了解决各种各样的优化问题，已经提出了许多优化算法，比较著名的有蚁群算法、遗传算法等。Eberhart博士和kennedy博士在1995年提出了一种新的算法:粒子群优化(PartideSwarmOptimization，pSO)算法。该算法从随机解出发，通过迭代寻找最优解，并通过适应度来评价解的优劣。这种算法以其参数少、形式简单、精度高、收敛快等优点引起了学术界的重视，并且在解决实际问题中展示了其优越性。为了更好地改善其收敛性，Sun等人2004年在标准的PSO基础上提出了量子粒子群(Quantum一 behavedpartieleSwarmOptimization，QpSO)，使得粒子可以在整个可行解的空间中进行有哪些信誉好的足球投注网站，从而寻求全局最优解，因此比PSO算法具有更好的全局收敛性和有哪些信誉好的足球投注网站能力。 本文首先介绍了PSO及QPSO的算法思想、流程、参数，并对算法进行了数学分析以及介绍了几种改进的PSO和QPSO算法。接着在QPSO的基础上提出一种改进的算法，利用柯西变异来替代QPSO中的随机数，由于柯西分布具有较长的两翼的特点，使得算法可以更快的跳出局部最优点。最后，在QPSO的基础上对一些优化问题进行应用并求解，尤其是一些复杂的规划问题的求解，通过数值实验更好的说明了QPSO算法的优越性。文章最后对全文总结并展望了未来。关键词 优化问题，粒子群算法，收敛性，量子粒子群ABSTRACTOptimization Problem is often encountered in industrial design Problems，in order to solve a wide range of optimization problems，we has developed a lot of optimization algorithm，such as Ant colony algorithm，genetic algorithm and so on .The particle swarm optimization (PSO)originally developed by Kennedy and Eberhart in 1995.The alogrithm is starting from a random solution ,and through the fitness to evaluate the solution. This algorithm with its less parameters,simple form,high precision and fast convergence advantages attracted more and more acdemic attention,and it demonstrate its superiority in solving practical problem to.in order to improve the convergence,the Quantum-behaved paticls swarm optimization(QPSO)developed in 2004 by Sun and others,which based on the standard pso.In the quantum space,particles can be search in the whole feasible solution space,thereby we can obtain the global the galobal optimal solution Therefore,QPSO algorithm, which outperforms original PSO algorithm in search capabilites.This paper introduces the algorithm idea, alogrithm process,algorithmic parameters of the Particle Swarm and Quantum Particle Swarm Optimization algorithm.After that we improved the QPSO alo