量子粒子群算法及其應(yīng)用.pdf

1、優(yōu)化問題是工業(yè)設(shè)計中常遇到的問題，為了解決各種各樣的優(yōu)化問題，已經(jīng)提出了許多優(yōu)化算法，比較著名的有蟻群算法、遺傳算法等。Eberhart博士和kennedy博士在1995年提出了一種新的算法：粒子群優(yōu)化(ParticleSwarm Optimization，PSO)算法。該算法從隨機解出發(fā)，通過迭代尋找最優(yōu)解，并通過適應(yīng)度來評價解的優(yōu)劣。這種算法以其參數(shù)少、形式簡單、精度高、收斂快等優(yōu)點引起了學術(shù)界的重視，并且在解決實際問題中展示了其優(yōu)

2、越性。為了更好地改善其收斂性，Sun等人2004年在標準的PSO基礎(chǔ)上提出了量子粒子群(Quantum-behaved Particle Swarm Optimization，QPSO)，使得粒子可以在整個可行解的空間中進行搜索，從而尋求全局最優(yōu)解，因此比PSO算法具有更好的全局收斂性和搜索能力。
　　 本文首先介紹了PSO及QPSO的算法思想、流程、參數(shù)，并對算法進行了數(shù)學分析以及介紹了幾種改進的PSO和QPSO算法。接著在Q