对标准的PSO算法而言,算法收敛速度很快,但极易陷入局部最优。为了解决之一不足,孙俊[Quantum-behaved particle swarm optimization: Analysis of individual particle behavior and parameter selection]从量子力学角度出发提出了量子粒子群(QPSO)算法QPSO算法的全局搜索能力要远远优于一般的PSO算法。QPSO算法与PSO算法是两种不同的运动方式,并不是在PSO算法的位置与速度更新公式上添加算子,因在理论上QPSO算法与PSO算法的复杂度是相当的。
在QPSO算法中,粒子被认为具有量子行为并参考了量子力学中量子的不确定性原理,故无法同时确定粒子的位置与速度的精确值。QPSO算法中粒子的更新是通过观测得到新个体,即给定一个概率去观测粒子,那么就会得到它得一个位置,对于每个粒子来说,会随机产生多个概率,利用蒙特卡罗思想进行观测,得到多个个体,然后选取个体最优,并依次评价其余个体,最终得到下代个体,如此进行搜索QPSO算法中粒子没有速度矢量,其位置迭代公式为:
量子粒子群算法(QPOS)
于 2024-04-14 15:24:06 首次发布
![](https://img-home.csdnimg.cn/images/20240711042549.png)