自适应免疫量子粒子群优化并行算法

doi:10.3778/j.issn.1002-8331.2010.21.009

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (21): 34-36.DOI: 10.3778/j.issn.1002-8331.2010.21.009

自适应免疫量子粒子群优化并行算法

成新文

四川理工学院计算机学院，四川自贡 643000

收稿日期:2010-01-25 修回日期:2010-05-26 出版日期:2010-07-21 发布日期:2010-07-21
通讯作者: 成新文

Adaptive immune quantum-behaved particle swarm optimization parallel algorithm

CHENG Xin-wen

School of Computer，Sichuan University of Science & Engineering，Zigong，Sichuan 643000，China

Received:2010-01-25 Revised:2010-05-26 Online:2010-07-21 Published:2010-07-21
Contact: CHENG Xin-wen

摘要/Abstract

摘要： 提出了自适应免疫量子粒子群优化并行算法。为了克服粒子群优化算法早熟收敛以及粒子在进化过程中缺乏很好的方向指导的问题，采用了量子技术以及免疫机制，从而获得了一个自适应免疫量子粒子群优化算法。同时，针对该算法计算量大、耗时长的缺点，结合已有的并行计算技术，构造出了该算法的并行计算方法。仿真实验表明所提并行算法具有较好的性能。

关键词: 粒子群优化, 量子技术, 免疫机制, 并行计算

Abstract: The Adaptive Immune Quantum-behaved Particle Swarm Optimization Parallel algorithm（AIQPSOP） is presented.In order to escape from premature convergence and lacking good direction in particles the evolutionary process，quantum technology and immunologic mechanism are employed，and an adaptive immune quantum-behaved particle swarm optimization algorithm is provided.Meanwhile，according to larger calculation and longer consumed time，parallel computation technology is introduced into the provided algorithm too.Simulation experiments show that the presented particle algorithm has better performance.

Key words: particle swarm optimization, quantum technology, immunologic mechanism, parallel computation

中图分类号:

TP301

成新文. 自适应免疫量子粒子群优化并行算法[J]. 计算机工程与应用, 2010, 46(21): 34-36.

CHENG Xin-wen. Adaptive immune quantum-behaved particle swarm optimization parallel algorithm[J]. Computer Engineering and Applications, 2010, 46(21): 34-36.

[1]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[2]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[3]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[4]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[5]	冯凯，李婧. k元n方体网络的子网络可靠性[J]. 计算机工程与应用, 2021, 57(16): 83-89.
[6]	李雷孝，邓丹，李杰，王永生. 基于粒子群优化的全比较计算数据分发策略[J]. 计算机工程与应用, 2021, 57(15): 109-117.
[7]	李健，张大伟，姜晓明，向立云. 并行化洪水演进模拟研究综述[J]. 计算机工程与应用, 2021, 57(13): 1-7.
[8]	孙明，陈昕. 面向卷积神经网络的硬件加速器设计方法[J]. 计算机工程与应用, 2021, 57(13): 77-84.
[9]	廖玮霖，程杉，尚冬冬，魏昭彬. 多策略融合的粒子群优化算法[J]. 计算机工程与应用, 2021, 57(1): 69-76.
[10]	陈秋菊，徐建国. 优化正交匹配追踪和短时谱估计用于声音识别[J]. 计算机工程与应用, 2020, 56(7): 162-169.
[11]	叶颖诗，魏福义，蔡贤资. 基于并行计算的快速Dijkstra算法研究[J]. 计算机工程与应用, 2020, 56(6): 58-65.
[12]	杜伟，傅游. 基于GPU的最小二乘蒙特卡罗算法期权定价[J]. 计算机工程与应用, 2020, 56(4): 225-229.
[13]	金之雁，杨磊，林隽民，王哲. 广义共轭余差法的通信避免算法[J]. 计算机工程与应用, 2020, 56(3): 74-79.
[14]	刘家华，陈靖宇. 多核并行脉冲神经网络模拟器的设计[J]. 计算机工程与应用, 2020, 56(22): 244-250.
[15]	张水平，李殷俊，高栋，梁文. 带有动态爆炸半径的增强型烟花算法[J]. 计算机工程与应用, 2020, 56(18): 50-57.

自适应免疫量子粒子群优化并行算法

Adaptive immune quantum-behaved particle swarm optimization parallel algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics