自适应阶段变异量子粒子群优化算法研究

为了克服标准量子粒子群优化( SQPSO) 算法易陷入局部最优的缺点,引入变异机制,基于进化阶段的 概念,提出了自适应阶段变异量子粒子群优化( APMQPSO) 算法。以四种不同的变异概率减小方式阶段性地对 QPSO 算法中的全局最优位置进行柯西变异,形成了四个不同的APMQPSO 算法。用五个典型的测试函数进行 仿真实验,并将四个APMQPSO 算法与SQPSO 算法的实验结果进行了比较。实验结果表明,对于单峰函数优化 问题,基于变异概率线性变化的APMQPSO 算法较为有效; 而对于多峰函数优化问题,基于变异概率非线性变化 的APMQPSO 算法则具有很强的优化能力。