基于QPSO的改进算法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (28): 58-60.

基于QPSO的改进算法

孔庆琴,孙俊,须文波

江南大学信息工程学院,江苏无锡 214122

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-10-01 发布日期:2007-10-01
通讯作者: 孔庆琴

Improved algorithm based on quantum-behaved particle swarm optimization

KONG Qing-qin,SUN Jun,XU Wen-bo

School of Information Technology,Southern Yangtze University,Wuxi,Jiangsu 214122,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-10-01 Published:2007-10-01
Contact: KONG Qing-qin

摘要/Abstract

摘要： 基于量子行为的粒子群优化算法（Quantum-behaved Particle Swarm Optimization,QPSO）提出一种新的搜索策略。在新的搜索策略中,粒子的每一维不再是只通过自身的信息进行下一步的搜索,而是某些维通过其他粒子的信息进行搜索。新的搜索策略确保了种群的多样性,很好地避免了早熟现象,并且没有引进多余的计算。用几个基准函数测试了改进的QPSO算法,实验结果表明了它的优越性。

关键词: 量子行为的粒子群优化算法, 搜索策略, 早熟, 计算

Abstract: This paper proposes a new searching strategy based on QPSO（Quantum-behaved Particle Swarm Optimization）.Instead of each dimension of a particle learns from just himself historical best information,each particle learns from different particle’s historical best information in the new strategy.The new strategy ensures that the diversity of the swarm is preserved to discourage premature convergence.In addition,the new algorithm does not introduce any complex computation.After that,we test the revised QPSO algorithm on several benchmark functions and the experiment results show the priority.

Key words: Quantum-behaved PSO, searching strategy, premature, computation

孔庆琴,孙俊,须文波. 基于QPSO的改进算法[J]. 计算机工程与应用, 2007, 43(28): 58-60.

KONG Qing-qin,SUN Jun,XU Wen-bo. Improved algorithm based on quantum-behaved particle swarm optimization[J]. Computer Engineering and Applications, 2007, 43(28): 58-60.

[1]	许昊，张凯，田英杰，种法广，王子超. 深度神经网络图像描述综述[J]. 计算机工程与应用, 2021, 57(9): 9-22.
[2]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[3]	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.
[4]	许德刚，王露，李凡. 深度学习的典型目标检测算法研究综述[J]. 计算机工程与应用, 2021, 57(8): 10-25.
[5]	李明山，韩清鹏，张天宇，王道累. 改进SSD的安全帽检测方法[J]. 计算机工程与应用, 2021, 57(8): 192-197.
[6]	侯旋，薛飞，陈涛. 无人机目标检测量子多模式识别优化算法[J]. 计算机工程与应用, 2021, 57(7): 228-236.
[7]	李俊丽. Spark平台下类别数据互信息计算的并行化[J]. 计算机工程与应用, 2021, 57(7): 95-100.
[8]	李晖，张天垣，金纾羽. 古代中国格律诗中的社会情感挖掘[J]. 计算机工程与应用, 2021, 57(7): 171-177.
[9]	肖雨晴，杨慧敏. 目标检测算法在交通场景中应用综述[J]. 计算机工程与应用, 2021, 57(6): 30-41.
[10]	李玲，王峥，李娜. 雾计算中支持计算外包的访问控制方案[J]. 计算机工程与应用, 2021, 57(6): 81-87.
[11]	王凤琴，柯亨进. 卷积神经网络及其分析在抑郁症判别中的应用[J]. 计算机工程与应用, 2021, 57(5): 245-250.
[12]	袁铭阳，黄宏博，周长胜. 全监督学习的图像语义分割方法研究进展[J]. 计算机工程与应用, 2021, 57(4): 43-54.
[13]	刘勇，谢若莹，丰阳，王亚辉，刘亚清. 智能家居中的居民日常行为识别综述[J]. 计算机工程与应用, 2021, 57(4): 35-42.
[14]	翁晓泳. 基于区块链的云计算数据共享系统研究[J]. 计算机工程与应用, 2021, 57(3): 120-124.
[15]	彭璟，罗浩宇，赵淦森，林成创，易序晟，陈少洁. 深度学习下的医学影像分割算法综述[J]. 计算机工程与应用, 2021, 57(3): 44-57.