針對(duì)量子粒子群算法（QPSO）在迭代后期出現(xiàn)種群多樣性缺失和容易陷入局部最優(yōu)的問(wèn)題,提出了一種基于交叉操作的改進(jìn)算法;在改進(jìn)算法中,考慮了粒子的歷史最優(yōu)位置和次優(yōu)位置,用以擴(kuò)大粒子的搜索范圍;同時(shí),將遺傳算法的交叉操作運(yùn)用到位置的更新中,以增加種群的多樣性,進(jìn)而提高算法的收斂性;在性能測(cè)試中,將改進(jìn)算法與原始的量子粒子群算法、基于差分進(jìn)化的QPSO和基于黑洞探索的QPSO在收斂精度和魯棒性方面進(jìn)行了比較;最后,運(yùn)用改進(jìn)算法對(duì)一類(lèi)具有投資數(shù)量限制的投資組合問(wèn)題進(jìn)行了求解,并與遺傳算法、粒子群算法和標(biāo)準(zhǔn)的量子粒子群算法的尋優(yōu)結(jié)果進(jìn)行了對(duì)比。 

【文章來(lái)源】：重慶工商大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,37(06)

【文章頁(yè)數(shù)】：5 頁(yè)

【文章目錄】：
0 引言
1 改進(jìn)的QPSO算法
2 性能測(cè)試
3 應(yīng)用實(shí)例
4 結(jié)束語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]一種融合差分進(jìn)化的量子粒子群優(yōu)化算法[J]. 張?zhí)m,聶玉峰.  計(jì)算機(jī)仿真. 2016(02)
[2]基于演化搜索信息的量子行為粒子群優(yōu)化算法[J]. 趙吉,程成.  計(jì)算機(jī)工程與應(yīng)用. 2017(09)
[3]基于精英學(xué)習(xí)的量子行為粒子群算法[J]. 章國(guó)勇,伍永剛,顧巍.  控制與決策. 2013(09)
[4]具有量子行為的協(xié)同粒子群優(yōu)化算法[J]. 周頔,孫俊,須文波.  控制與決策. 2011(04)



本文編號(hào)：3302744