| 基于量子粒子群算法的复杂函数参数估计 |
| |
| 引用本文： | 徐敏,须文波.基于量子粒子群算法的复杂函数参数估计[J].计算机工程与设计,2007,28(15):3665-3667. |
| |
| 作者姓名： | 徐敏 须文波 |
| |
| 作者单位： | 江南大学,理学院,江苏,无锡,214122;江南大学,信息工程学院,江苏,无锡,214122 |
| |
| 摘 要： | 数理统计中在处理回归的问题时,常用的传统参数估计方法存在着一些严重不足之处.为解决此问题,提出了将基于量子行为的微粒群优化(QPSO)算法应用于复杂函数的参数估计中.通过仿真实验,表明了该算法不仅可以准确地估计出复杂函数的参数,并且具有计算简便、收敛速度快等特点.通过与传统微粒群(PSO)算法的比较,证明了QPSO算法的优越性.
|
| 关 键 词： | 量子粒子群算法 优化 参数估计 最小二乘估计 复杂函数 |
| 文章编号： | 1000-7024（2007）15-3665-03 |
| 修稿时间： | 2006-12-11 |
Parameter estimation of complex function based on quantum-behaved particle swarm optimization algorithm |
| |
| XU Min,XU Wen-bo.Parameter estimation of complex function based on quantum-behaved particle swarm optimization algorithm[J].Computer Engineering and Design,2007,28(15):3665-3667. |
| |
| Authors: | XU Min XU Wen-bo |
| |
| Affiliation: | 1. School of Science, Southern Yangtze University, Wuxi 214122, China; 2. School of Information Technology, Southern Yangtze University, Wuxi 214122, China |
| |
| Abstract: | The quantum-behaved particle swarm optimization(QPSO) algorithm is developed for some serious disadvantages of tra-ditional parameter estimation methods of complex functions in statistics.It indicates that QPSO algorithm can not only estimate parameters of complex functions correctly,but also can calculate simply and constringe fast.By comparing results with traditional particle swarm optimization(PSO) algorithm,QPSO algorithm is demonstrated superior to PSO algorithm. |
| |
| Keywords: | QPSO algorithm optimize parameter estimation least squares estimate complex functions |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
