自適應(yīng)與合作的具有量子行為粒子群算法研究.pdf

1、進(jìn)化計(jì)算是近年來在人工智能研究領(lǐng)域內(nèi)受到人們廣泛關(guān)注的一個(gè)重要研究方向，也是智能信息處理中的一項(xiàng)重要內(nèi)容。作為一種基于生物進(jìn)化原理的優(yōu)化算法，進(jìn)化計(jì)算與其他優(yōu)化算法相比，最突出的優(yōu)點(diǎn)表現(xiàn)在其強(qiáng)大的全局尋優(yōu)能力上。群體智能算法是一種進(jìn)化類算法，是解決優(yōu)化問題特別是復(fù)雜系統(tǒng)優(yōu)化問題的有效手段。具有量子行為粒子群算法(Quantum-behavedParticleSwarmOptimization，QPSO)是一種新的、具有全局收斂性的群體智

2、能算法，并且許多實(shí)際應(yīng)用證明，QPSO遠(yuǎn)遠(yuǎn)優(yōu)于一般的粒子群算法(ParticleSwarmOptimization，PSO)。因此，本文的研究?jī)?nèi)容對(duì)于群體智能的發(fā)展具有一定的學(xué)術(shù)意義和應(yīng)用價(jià)值。 本文首先闡述了傳統(tǒng)進(jìn)化算法-遺傳算法(GeneticAlgorithm，GA)、群體智能算法中的粒子群算法(PSO)和具有量子行為粒子群算法(QPSO)，針對(duì)這些算法存在的收斂性問題，在OPSO基礎(chǔ)上提出了兩種改進(jìn)的OPSO算法-自適應(yīng)

3、的具有量子行為粒子群算法(AdaptiveQuantum-behavedParticleSwarmOptimization，AQPSO)和合作的具有量子行為粒子群算法(CooperativeQuantum-behavedParticleSwarmOptimization，CQPSO)。在AQPSO中，提出了參數(shù)選擇的方法以提高QPSO算法的全局搜索能力。在CQPSO中引入了協(xié)作思想，將QPSO算法構(gòu)造成一個(gè)協(xié)作框架，相對(duì)于QPSO來說這

4、種協(xié)作方法在問題維數(shù)增加的時(shí)候會(huì)得到更優(yōu)的解。仿真算例結(jié)果表明，AQPSO和CQPSO算法無論是算法的性能和算法的穩(wěn)定性都優(yōu)于QPSO和PSO算法。 另外，本文還研究了QPSO在離散問題中的應(yīng)用，將離散粒子群算法(BPSO)和離散具有量子行為粒子群算法(BQPSO)應(yīng)用到層疊濾波器設(shè)計(jì)中。因?yàn)榇嬖谥罅康膶盈B濾波器，所以層疊濾波器設(shè)計(jì)最主要的問題就是其最優(yōu)化問題。基于PSO算法和QPSO算法的層疊濾波器優(yōu)化，是將問題轉(zhuǎn)化為正布爾