多階段和多樣性維持的QPSO算法研究及其在系統(tǒng)辨識(shí)中的應(yīng)用.pdf

1、群體智能算法是一種進(jìn)化類算法，是解決優(yōu)化問(wèn)題特別是復(fù)雜系統(tǒng)優(yōu)化問(wèn)題的有效手段。而QPSO是一種新的、具有全局收斂性群體智能算法，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(簡(jiǎn)稱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。 本文首先闡述了一種傳統(tǒng)進(jìn)化算法一遺傳算法，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)這些算法存在著早熟現(xiàn)象，在QPSO基礎(chǔ)

2、上提出了兩種改進(jìn)的QPSO算法一具有多群體的量子粒子群算法(簡(jiǎn)稱 MQPSO ) 和維持粒子多樣性的量子粒子群算法(簡(jiǎn)稱DMQPSO)。 在MQPSO中，引入了多階段和多種群機(jī)制，通過(guò)多個(gè)粒子群體以不同的搜索階段，即收斂和擴(kuò)張兩個(gè)階段使得算法能夠持續(xù)地搜索解空間從而提高了算法的全局收斂能力有效地避免了早熟的發(fā)生。在DMQPSO中，引入了一種基于歐幾里德距離的多樣性測(cè)度方法以評(píng)價(jià)QPSO中粒子群的多樣性。同時(shí)對(duì)粒子群的多樣性設(shè)置閾

3、值，當(dāng)多樣性低于該閾值時(shí)，采用一種變異操作以提高群體的多樣性。這樣通過(guò)保持粒子群的多樣性使算法能在一定的多樣性水平下有持續(xù)的全局搜索能力，從而也能夠有效地避免早熟。 本文還研究了粒子群算法(PSO)和具有量子行為粒子群算法(QPSO)在系統(tǒng)辨識(shí)中的應(yīng)用。系統(tǒng)辨識(shí)是控制理論設(shè)計(jì)的基礎(chǔ)?；赑SO算法和QPSO算法的系統(tǒng)辨識(shí)方法，是將辨識(shí)問(wèn)題轉(zhuǎn)化為參數(shù)空間上的優(yōu)化問(wèn)題，利用PSO或QPSO算法對(duì)整個(gè)參數(shù)空間進(jìn)行高效并行搜索以獲得系統(tǒng)

4、參數(shù)的最優(yōu)估計(jì)。 通過(guò)對(duì)幾個(gè)常用的標(biāo)準(zhǔn)測(cè)試函數(shù)的測(cè)試表明，MQPSO和DMQPSO算法無(wú)論是算法的性能和算法的穩(wěn)定性都優(yōu)于QPSO和PSO算法，因此可以得出結(jié)論：MQPSO和DMQPSO算法所引入的改進(jìn)方法能有效地提高QPSO算法的全局收斂能力，是解決算法早熟問(wèn)題的有效途徑。 同時(shí)，對(duì)幾個(gè)常用的系統(tǒng)辨識(shí)問(wèn)題的仿真結(jié)果表明，在相同迭代次數(shù)和粒子群規(guī)模的前提下，QPSO算法能夠找到比PSO算法更優(yōu)的參數(shù)，因此，QPSO算法將