亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        雙心擾動(dòng)量子粒子群優(yōu)化算法研究

        2014-09-29 10:32:04王安龍何建華劉懷遠(yuǎn)
        計(jì)算機(jī)工程 2014年7期
        關(guān)鍵詞:勢(shì)能全局量子

        王安龍,何建華,陳 松,劉懷遠(yuǎn)

        (西北工業(yè)大學(xué)電子信息學(xué)院,西安 710000)

        1 概述

        標(biāo)準(zhǔn)粒子群優(yōu)化(Particle Swarm Optimization,PSO)算法無法以概率1收斂于全局最優(yōu)解[1-2],容易陷入局部最優(yōu)。受微觀世界概率隨機(jī)性的啟發(fā),Sun J等人[3]于2004年在標(biāo)準(zhǔn)PSO的基礎(chǔ)上,提出了量子粒子群優(yōu)化算法(Quantum PSO,QPSO)。QPSO打破了標(biāo)準(zhǔn)PSO以軌道來描述粒子運(yùn)動(dòng)的模式,采用波函數(shù)來描述粒子的狀態(tài),增加了粒子在搜索空間內(nèi)的概率隨機(jī)性。隨后,研究人員[4-9]對(duì)QPSO進(jìn)行了改進(jìn),將遺傳算法中的變異機(jī)制引入到QPSO中,實(shí)驗(yàn)證明,這是一種非常有效的方式。

        針對(duì)QPSO的變異位置主要有:勢(shì)能中心,重心和全局最好位置。粒子的勢(shì)能中心能夠吸引粒子在其鄰域內(nèi)探索新知識(shí),對(duì)勢(shì)能中心的變異能夠產(chǎn)生新的個(gè)體結(jié)構(gòu)[10-11];粒子群重心代表了粒子群的主流思想[4],對(duì)重心變異能夠相對(duì)增加部分粒子的創(chuàng)造能力。為充分挖掘變異機(jī)制對(duì)算法的優(yōu)化能力,本文提出了在2個(gè)位置協(xié)同變異的量子粒子群優(yōu)化算法(BCD-QPSO),進(jìn)化前期以較小概率對(duì)勢(shì)能中心和重心變異,發(fā)揮QPSO的全局搜索能力;進(jìn)化后期以較大概率對(duì)勢(shì)能中心和重心變異,保證粒子群的開拓能力。

        2 標(biāo)準(zhǔn)QPSO算法

        與標(biāo)準(zhǔn)PSO不同,在量子空間中,粒子的動(dòng)量和位置不能同時(shí)具有確定的值,運(yùn)動(dòng)軌道不確定,在空間中的運(yùn)動(dòng)具有極大的隨機(jī)性,這種隨機(jī)性保證了QPSO的全局搜索能力。QPSO位置更新方程[4]為:

        其中,xi(t)為第i個(gè)粒子的位置;Pi(t)和Pgb(t)為粒子i的歷史最優(yōu)位置和粒子群的全局最優(yōu)位置;pi(t)和G(t)為粒子i的勢(shì)能中心和粒子群的重心;β為收縮擴(kuò)張系數(shù)。

        3 雙心擾動(dòng)量子粒子群優(yōu)化算法

        3.1 變異算子

        變異是粒子群多樣性的產(chǎn)生機(jī)制,常用的變異方式有隨機(jī)變異、高斯變異、柯西變異、混沌變異等[4]。高斯分布在變異點(diǎn)鄰域產(chǎn)生小擾動(dòng)的概率大而大擾動(dòng)的概率小,而柯西分布正好相反,故選擇柯西變異更能跳出局部最優(yōu)。

        柯西分布的密度函數(shù)為:

        其中,α為尺度參數(shù)[10],當(dāng)α值較小時(shí),概率曲線較凸,小尺度變異概率相對(duì)較大;當(dāng)α值較大時(shí),概率曲線較扁平,大尺度變異概率相對(duì)較大。本文采用文獻(xiàn)[7]中的取值,即α=2.0。

        3.2 變異概率自適應(yīng)調(diào)整

        到目前為止,在智能算法中采取的變異多數(shù)都是分階段變異,迭代次數(shù)以離散序列增加決定了變異量自適應(yīng)調(diào)整的非線性。設(shè)最大迭代次數(shù)為G,階段數(shù)為S,則進(jìn)化階段可定義為G/S,特別地,當(dāng)G=S時(shí),分階段變異退化為普通的自適應(yīng)變異。

        針對(duì)QPSO,有研究者[5-7]認(rèn)為,前期較大的變異概率有利于產(chǎn)生新的個(gè)體結(jié)構(gòu),后期較小的變異概率有利于局部搜索。這種處理方式在一定程度上能提高算法的求解能力,但在進(jìn)化后期對(duì)種群的引導(dǎo)力不足,使得粒子后期的創(chuàng)造能力有限。而本文采用的勢(shì)能中心和重心協(xié)同變異,卻能更保證進(jìn)化后期粒子群的創(chuàng)造能力,對(duì)勢(shì)能中心的變異,有利于提升單個(gè)粒子的創(chuàng)造力,而對(duì)重心的變異有利于提升整個(gè)粒子群的創(chuàng)造力。下面引入等差數(shù)列來描述變異概率逐步減小和變異概率逐步增大2種截然相反的變異策略。

        變異概率約束條件:

        其中,Pm(tk)表示第tk個(gè)進(jìn)化階段的變異概率。

        等差數(shù)列法[12]:

        3.3 BCD-QPSO步驟

        BCD-QPSO步驟如下:

        步驟1參數(shù)設(shè)置。設(shè)置最大迭代次數(shù)Gmax,搜索空間維數(shù)D,粒子群個(gè)體數(shù)目N。

        步驟2種群初始化,利用一維Logistic混沌映射隨機(jī)產(chǎn)生N個(gè)粒子。

        步驟3計(jì)算每個(gè)粒子在解空間中適應(yīng)度值,計(jì)算各個(gè)粒子自身最優(yōu)適應(yīng)度值pbest和粒子群的全局最優(yōu)位置gbest。

        步驟4進(jìn)入主循環(huán),確定進(jìn)化階段數(shù),根據(jù)式(6)~式(9)計(jì)算自適應(yīng)變異概率,并根據(jù)式(4)計(jì)算粒子群的重心,并對(duì)每個(gè)粒子按照式(3)構(gòu)造一個(gè)勢(shì)能中心。

        步驟5根據(jù)自適應(yīng)變異概率,對(duì)粒子群的重心和每個(gè)粒子的勢(shì)能中心按照式(5)進(jìn)行自適應(yīng)柯西變異。

        步驟6按照式(1)更新粒子群中每個(gè)粒子的位置。

        步驟7更新每個(gè)粒子歷史最優(yōu)位置和粒子群的最優(yōu)位置。

        步驟8判斷是否滿足循環(huán)結(jié)束條件,如果不滿足,則轉(zhuǎn)到步驟4;如果滿足循環(huán)結(jié)束條件,則輸出最優(yōu)解。

        4 實(shí)驗(yàn)結(jié)果與分析

        4.1 測(cè)試函數(shù)描述

        本文采用的測(cè)試函數(shù):Sphere,Rotated,Rastrigin,Griewank,下面對(duì)4個(gè)函數(shù)特點(diǎn)作簡(jiǎn)要闡述。

        (1)Sphere函數(shù)

        全局最優(yōu)位置:f(x)=0,x(i)=0,1≤i≤ n ;函數(shù)曲面單峰、連續(xù)、對(duì)稱。

        (2)Rotated函數(shù)

        全局最優(yōu)位置:f(x)=0,x(i)=0,1≤i≤ n ;函數(shù)曲面單峰、連續(xù)、對(duì)稱。

        (3)Rastrigin函數(shù)

        全局最優(yōu)位置:f(x)=0,x(i)=0,1≤i≤ n ;函數(shù)曲面高度多峰、連續(xù)。

        (4)Griewank函數(shù)

        全局最優(yōu)位置:f(x)=0,x(i)=0,1≤i≤ n ;函數(shù)曲面高度多峰、連續(xù)。

        4.2 實(shí)驗(yàn)設(shè)計(jì)

        本文以求4個(gè)函數(shù)的最小值為例,進(jìn)行仿真實(shí)驗(yàn),測(cè)試平臺(tái)為Matlab R2011a,機(jī)器處理器為i3(2.13 GHz,3 MB L3 cache),分別考慮6維和30維的情況,最大迭代次數(shù)設(shè)為1000,粒子數(shù)20,進(jìn)化階段為10,每種情況運(yùn)行20次。實(shí)驗(yàn)中,分別測(cè)試了基于勢(shì)能中心變異的量子粒子群優(yōu)化算法(MPIL-QPSO)、基于重心變異的量子粒子群優(yōu)化算法(MG-QPSO)、基于最優(yōu)位置變異的量子粒子群優(yōu)化算法(MGB-QPSO)和本文提出的雙心擾動(dòng)的量子粒子群優(yōu)化算法(BCD-QPSO)。為更全面評(píng)價(jià)算法性能,采用2種截然相反的變異概率調(diào)整策略。策略1:取η=2.0,如圖1細(xì)劃線所示;策略2:取η=0.01,如圖1粗劃線所示。

        圖1 變異概率調(diào)整

        將數(shù)域(+∞,0]劃分成n個(gè)子區(qū)間,對(duì)每個(gè)子區(qū)間按其相對(duì)重要性進(jìn)行評(píng)分,并進(jìn)行歸一化處理,得到各子區(qū)間的區(qū)間權(quán)重w。本文設(shè)n=8,區(qū)間評(píng)分依次為1,2,3,4,5,6,7,8,歸一化處理結(jié)果如表1所示。

        下面定義一個(gè)新的測(cè)試指標(biāo):

        定義 在N次獨(dú)立重復(fù)實(shí)驗(yàn)中,落在第i個(gè)子區(qū)間的最優(yōu)值數(shù)為ri,第i個(gè)子區(qū)間的區(qū)間權(quán)重為wi,則分布積分為:

        分布積分越高,代表實(shí)驗(yàn)結(jié)果在高精度區(qū)間上的分布越多,算法性能越好,反之,算法性能越差。分布積分較好地反映了算法對(duì)目標(biāo)函數(shù)的優(yōu)化效果,區(qū)間劃分越細(xì),評(píng)價(jià)結(jié)果越全面。

        表1 區(qū)間權(quán)重

        4種函數(shù)測(cè)試結(jié)果如表2~表5所示,其中,粗體數(shù)字表示不同測(cè)試條件下目標(biāo)函數(shù)的最優(yōu)值。從表2、表3可以得出,在策略2下,針對(duì)單峰優(yōu)化,3種單位置變異方式的最高分布積分為3.006,2.948,3.114,2.584,平均值為2.913;而BCD-QPSO的分布積分為4.216,4.020,4.049,3.612,平均值為:3.974,相對(duì)提高了36.42%。同理,從表4、表5可以得出,多峰優(yōu)化時(shí)BCD-QPSO的優(yōu)化效果比其他3種算法相對(duì)提高了32.84%。

        表2 Sphere函數(shù)測(cè)試結(jié)果

        表3 Rotated函數(shù)測(cè)試結(jié)果

        表4 Rastrigin函數(shù)測(cè)試結(jié)果

        表5 Griewank函數(shù)測(cè)試結(jié)果

        圖2和圖3對(duì)比了不同策略下4種算法對(duì)不同測(cè)試函數(shù)的分布積分(量綱為1),垂直柱狀圖中每組圖形,從左到右依次表示MLIP-QPSO(字母A)、MG-QPSO(字母B)、MGB-QPSO(字母C)和BCD-QPSO(字母D)對(duì)相應(yīng)測(cè)試函數(shù)優(yōu)化結(jié)果的分布積分。

        圖2 策略1下的分布積分對(duì)比

        圖3 策略2下的分布積分對(duì)比

        為了更加直觀地反映BCD-QPSO的優(yōu)化效率,本文繪出MLIP-QPSO、MG-QPSO和BCD-QPSO在求解Rastrigin函數(shù)時(shí),前500代的算法收斂曲線(粒子維數(shù)30)。

        從表2~表5可以得出:采取策略1時(shí),MGB-QPSO優(yōu)化效果不如其他3種算法;采取策略2時(shí),算法后期震蕩嚴(yán)重,局部搜索能力弱,優(yōu)化效果不如標(biāo)準(zhǔn)QPSO。所以,圖4和圖5中沒有繪出MGB-QPSO的收斂曲線。

        圖4 策略1各算法收斂曲線

        圖5 策略2各算法收斂曲線

        從以上4個(gè)函數(shù)的實(shí)驗(yàn)結(jié)果可以得出以下結(jié)論:

        (1)不同的變異方式在不同的變異位置產(chǎn)生的效果不同。對(duì)全局最好位置和勢(shì)能中心而言,采用變異概率自適應(yīng)減小的變異策略,一定程度上抑制了早熟收斂,極大地提高了尋優(yōu)能力,反之,則破壞了QPSO進(jìn)化后期的局部搜索能力;對(duì)重心而言,采用變異概率自適應(yīng)增大的變異策略,有利于進(jìn)化后期粒子多樣性的維護(hù)。

        (2)采用雙心擾動(dòng)的變異方式產(chǎn)生蝴蝶效應(yīng),對(duì)單峰和多峰函數(shù)的優(yōu)化能力都強(qiáng)于只采用單個(gè)位置變異的策略。

        (3)無論是采取變異概率逐漸增大的變異概率調(diào)整策略,還是采取變異概率逐漸減小的變異概率調(diào)整策略,雙心擾動(dòng)變異產(chǎn)生的優(yōu)化效果都好于單位置變異產(chǎn)生的優(yōu)化效果,且適當(dāng)?shù)淖儺惛怕收{(diào)整策略能大大提高算法的優(yōu)化能力。

        (4)BCD-QPSO的尋優(yōu)能力和尋優(yōu)效率不隨變量維數(shù)的增加而明顯減弱,在工程實(shí)踐中有很好的應(yīng)用前景。

        5 結(jié)束語

        本文提出了一種雙心擾動(dòng)量子粒子群優(yōu)化算法(BCDQPSO),通過與只采用單位置變異的量子粒子群優(yōu)化算法仿真對(duì)比,證明了該算法具有收斂速度快、求解精度高的特點(diǎn),同時(shí)適合于低維優(yōu)化和高維優(yōu)化,具有普適性。如何更好地挖掘組合變異機(jī)制的尋優(yōu)潛力,進(jìn)一步提高求解精度與效率,是今后的研究?jī)?nèi)容。

        [1]van Den,Bergh F,Engelbrecht A P.A New Locally Convergent Particle Swarm Optimizer[C]//Proc. of IEEE Conference on Systems,Man and Cybernetics.[S.1.]:IEEE Press,2002:94-99.

        [2]Clere M,Kennedy J.Particle Swarm Optimization Explosion,Stability,and Convergence in a Multidimensional Complex Space[J].IEEE Transactions on Evolutionary Computation,2002,6(1):58-73.

        [3]Sun Jun,Feng Bin,Xu Wenbo.Particle Swarm Optimization with Particles Having Quantum Behavior[C]//Proc.of Conference on Evolutionary Computation.Piscataway,USA:[s.n.],2004:325-331.

        [4]劉 靜.粒子群優(yōu)化算法研究及其在優(yōu)化理論中的應(yīng)用[D].無錫:江南大學(xué),2007.

        [5]向 毅,鐘育彬.自適應(yīng)階段變異量子粒子群優(yōu)化算法研究[J].計(jì)算機(jī)應(yīng)用研究,2012,29(6):2035-2039.

        [6]劉俊芳,高岳林.帶自適應(yīng)變異的量子粒子群優(yōu)化算[J].計(jì)算機(jī)工程與應(yīng)用,2011,47(3):41-43.

        [7]李紅嬋,朱顥東.并行自適應(yīng)量子粒子群優(yōu)化算法[J].計(jì)算機(jī)工程,2011,37(5):221-223.

        [8]鐘文亮,王惠森,張 軍,等.帶啟發(fā)性變異的粒子群優(yōu)化算法[J].計(jì)算機(jī)工程與設(shè)計(jì),2008,29(31):3402-3405.

        [9]李 引,毛 力,須文波.量子粒子群優(yōu)化改進(jìn)的模糊C均值聚類算法[J].計(jì)算機(jī)工程與應(yīng)用,2012,48(35):151-155.

        [10]孫 俊.量子行為粒子群優(yōu)化算法研究[D].無錫:江南大學(xué),2009.

        [11]施 展.多目標(biāo)量子行為粒子群優(yōu)化算法研究[D].南京:南京理工大學(xué),2011.

        [12]徐澤水.直覺模糊信息集成理論及應(yīng)用[M].北京:科學(xué)出版社,2008:187-197.

        猜你喜歡
        勢(shì)能全局量子
        “動(dòng)能和勢(shì)能”知識(shí)鞏固
        2022年諾貝爾物理學(xué)獎(jiǎng) 從量子糾纏到量子通信
        作 品:景觀設(shè)計(jì)
        ——《勢(shì)能》
        文化縱橫(2022年3期)2022-09-07 11:43:18
        Cahn-Hilliard-Brinkman系統(tǒng)的全局吸引子
        “動(dòng)能和勢(shì)能”知識(shí)鞏固
        量子Navier-Stokes方程弱解的全局存在性
        “動(dòng)能和勢(shì)能”隨堂練
        決定未來的量子計(jì)算
        新量子通信線路保障網(wǎng)絡(luò)安全
        落子山東,意在全局
        金橋(2018年4期)2018-09-26 02:24:54
        国产目拍亚洲精品一区二区| 国产七十六+老熟妇| 精品日产卡一卡二卡国色天香| 污污污污污污WWW网站免费| 亚洲日本无码一区二区在线观看| 小黄片免费在线播放观看| 97se色综合一区二区二区| 超薄丝袜足j好爽在线观看| 亚洲男人的天堂精品一区二区 | 亚洲av成本人无码网站| 好爽~又到高潮了毛片视频| 色婷婷久久综合中文蜜桃| 久久精品女人天堂av免费观看| 99久久免费看少妇高潮a片特黄| 国产9 9在线 | 免费| 色婷婷精品午夜在线播放| 亚洲欧美日韩精品久久| 精品乱码卡1卡2卡3免费开放| 亚洲女同系列高清在线观看| 美艳善良的丝袜高跟美腿| 亚洲精品久久久久久久久久吃药| 欧美三级一区| 91精品国产色综合久久不| 亚洲国产av自拍一区| 久久精品女人天堂av| 九九在线精品视频xxx| 女优av性天堂网男人天堂| 亚洲国产成人一区二区精品区| 国产成人av一区二区三区无码| 蜜桃网站在线免费观看视频| 国产一区二区精品亚洲| 天天综合网天天综合色| 久久免费观看国产精品| 手机在线播放成人av| 国产精品多人p群无码| 老熟女多次高潮露脸视频| 蜜臀av人妻一区二区三区| 亚洲天堂av三区四区不卡| 亚洲av无码一区二区三区四区| 天天澡天天揉揉AV无码人妻斩| 东北老熟女被弄的嗷嗷叫高潮|