基于量子粒子群算法的收敛性研究

对基于量子行为的粒子群算法(QPSO)的收敛性进行分析.QPSO算法不仅参数个数少,随机性强,并且能覆盖所有解空间,保证算法的全局收敛性.通过四个经典的基准函数对算法进行测试,将QPSO算法与PSO算法进行深入比较.通过实验结果表明.QPSO算法在收敛性能上大大优于PSO算法.     

运用QPSO算法进行系统辨识的研究

引入了一种广泛而实用的方法——基于量子行为的粒子群算法的理论应用于系统辨识领域,QPSO算法不仅参数个数少,随机性强,并且能覆盖所有解空间,保证算法的全局收敛性。仿真实验结果表明,QPSO算法具有比GA算法及PSO算法更强的线性系统辨识能力和非线性系统辨识能力。     

QPSO多目标优化算法解约束规划问题

引入了一种最新而实用的方法--基于目标加权的QPSO多目标优化算法的理论应用于约束规划问题,WAQPSO算法是为了更好的解决多目标优化问题而产生的,仿真实验结果表明,WAQPSO算法具有比S-PAES算法和HM算法更强的求解约束规划问题的能力.