求解非线性方程组的量子行为粒子群算法(1)(2)
2015-07-26 01:25
导读：在QPSO算法中,粒子的状态只需用位置向量来描述,并且算法中只有一个收缩扩张系数β,对这个参数的选择和控制是非常重要的,它关系到整个算法的收敛性能
在QPSO算法中,粒子的状态只需用位置向量来描述,并且算法中只有一个收缩扩张系数β,对这个参数的选择和控制是非常重要的,它关系到整个算法的收敛性能。
3方程组的适应值函数
为了求方程组，通常可以将求解的适应值函数定义为
4物种形成原理算法
方程组具有多个解时，适应值函数就是具有多个最优值的多峰函数。为了实现对多峰函数寻优，引进一种物种形成原理算法。这个算法将粒子群系统中相似的微粒并行地划分成子群体，一个子群就是一类具有相似特点的粒子集合。每个子群体中的粒子都围绕在本群体中具有最优适应值的粒子周围，该粒子称为种子（Seed）。利用两个微粒间的欧氏距离来判断它们之间的相似程度，距离越远，则两个微粒间的相似度越低。
采用Li J.等人介绍的方法[2]确定一个子群种子的算法。每次迭代都使用这种算法后，就可以为不同的子群确立各自的种子，然后分别将种子的局部最优值设为该子群的全局最优值。确定种子的算法流程如下：
5SQPSO和Species－based PSO(SPSO)算法
一旦确定好每个子群的种子后，在每个子群中，种子的最优值就是同一子群中其他粒子的全局最优值，这样SQPSO算法可以表示为： 共2页: 1 [2] 下一页 论文出处(作者):
浅析VB编程中网格控件的选用与使用分析
LM-STAR案例分析及下一代测试技术展望
