| 量子粒子群优化的人工蜂群算法 |
| |
| 引用本文： | 杜康宇,毛力,毛羽,杨弘,肖炜.量子粒子群优化的人工蜂群算法[J].传感器与微系统,2018(3):130-132,137. |
| |
| 作者姓名： | 杜康宇 毛力 毛羽 杨弘 肖炜 |
| |
| 作者单位： | 江南大学物联网工程学院,江苏无锡,214122
中国水产科学研究院淡水渔业研究中心,江苏无锡,214081 |
| |
| 基金项目： | 轻工过程先进控制教育部重点实验室开放课题资助(江南大学)项目，江南大学自主科研计划重点项目，国家青年科学基金资助项目 |
| |
| 摘 要： | 针对传统的人工蜂群算法在求解函数优化问题中具有收敛速度慢、局部搜索能力低的缺点,将量子粒子群优化算法中粒子位移的更新方法引入到跟随蜂的局部搜索策略中,使人工蜂群具有更高的局部搜索能力.6个标准测试函数的仿真实验结果表明:与传统的人工蜂群算法相比,改进后的人工蜂群算法在收敛速度和寻优精度上大幅提高.
|
| 关 键 词： | 人工蜂群算法 量子粒子群优化算法 当前最优解 局部搜索 artificial bee colony(ABC)algorithm quantum-behaved particle swarm optimization(QPSO) algorithm current optimal solution local search |
Artificial bee colony algorithm based on quantum-behaved particle swarm optimization |
| |
| DU Kang-yu,MAO Li,MAO Yu,YANG Hong,XIAO Wei.Artificial bee colony algorithm based on quantum-behaved particle swarm optimization[J].Transducer and Microsystem Technology,2018(3):130-132,137. |
| |
| Authors: | DU Kang-yu MAO Li MAO Yu YANG Hong XIAO Wei |
| |
| Abstract: | To improve the traditional artificial bee colony algorithm(ABCA)which has the problem of slow convergence speed and low local search ability,put forward an ABCA based on quantum particle swarm optimization(QPSO).The local search ability remarkably improved by introducing the updating method of particle displacement in QPSO to the local search strategy of employed bees and onlooker bees.The simulation results of six standard test functions indicate that compared with the traditional ABCA the improved ABCA improves greatly in the rate of convergence speed and the optimization precision. |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
