22904.自適應(yīng)參數(shù)調(diào)整量子粒子群算法研究及應(yīng)用

1、中圖分類號(hào)嬰圣Q!：魚UDC5197學(xué)校代碼!Q3三密級(jí)公玨碩士學(xué)位論文自適應(yīng)參數(shù)調(diào)整量子粒子群算法研究及應(yīng)用ResearchandApplicationonAdaptiveParameterAdjustingQuantumbehavedParticleSwarmOptimization作者姓名：學(xué)科專業(yè)：研究方向：學(xué)院(系、所)：指導(dǎo)教師：論文答辯日期絲!絲亟!圣李繼松載運(yùn)工具運(yùn)用工程智能檢測(cè)與控制交通運(yùn)輸工程學(xué)院潘迪夫教授答辯委員會(huì)

2、主席]半生中南大學(xué)2014年5月自適應(yīng)參數(shù)調(diào)整量子粒子群算法研究及應(yīng)用摘要：量子粒子群算法在解決優(yōu)化問(wèn)題上表現(xiàn)出了巨大的優(yōu)勢(shì)，在國(guó)民經(jīng)濟(jì)、國(guó)防建設(shè)、社會(huì)發(fā)展的各個(gè)方面得到了廣泛應(yīng)用，成為近年來(lái)國(guó)內(nèi)外研究的焦點(diǎn)之一。然而，該算法存在后期種群多樣性下降、易陷入局部最優(yōu)而導(dǎo)致早熟收斂的缺點(diǎn)。為進(jìn)一步提高量子粒子群算法的性能，本文基于算法參數(shù)對(duì)算法性能影響的分析，提出了一種改進(jìn)的量子粒子群算法——白適應(yīng)參數(shù)調(diào)整量子粒子群算法，并將其應(yīng)用于參數(shù)優(yōu)

3、化研究。在改進(jìn)算法中，采用量子Hadamard門實(shí)現(xiàn)粒子位置變異，增加了種群的多樣性；將慣性權(quán)重、自身因子和全局因子根據(jù)當(dāng)前適應(yīng)度進(jìn)行白適應(yīng)調(diào)整，提高了算法的全局優(yōu)化能力。通過(guò)函數(shù)極值優(yōu)化問(wèn)題對(duì)該算法和傳統(tǒng)算法進(jìn)行測(cè)試，結(jié)果表明該算法在收斂速度和成功率等各方面都比較好，具有更好的全局優(yōu)化能力和更高的運(yùn)行效率。論文將該算法應(yīng)用于RBF神經(jīng)網(wǎng)絡(luò)的參數(shù)優(yōu)化和倒立擺正規(guī)化模糊神經(jīng)網(wǎng)絡(luò)控制器的參數(shù)優(yōu)化，將優(yōu)化參數(shù)組成一個(gè)多維向量，作為算法的粒子進(jìn)