Scidown文献预览系统!
量子启发粒子群优化与指导探索功能优化( Quantum inspired Particle Swarm Optimization with guided exploration for function optimization )
RK Agrawal B Kaur P Agarwal
复杂函数优化问题具有多模态、高维性、不可微性、非线性参数交互作用等特点,是一个具有挑战性和难解性的问题。许多元启发式算法被提出来寻找这些复杂问题的近似最优解。然而,它们中的大多数都存在着勘探不善,陷入局部最优的问题。为了克服这一问题,我们提出了一种改进的量子行为粒子群优化算法(e-QPSO),改进了原QPSO算法对函数优化的探索性和开发性。利用参数alpha实现个人最佳位置和全局最佳位置的自适应平衡,利用参数gamma实现多样化和集约化之间的平衡。此外,我们重新初始化一个百分比的最差执行人口,以帮助逃离粒子从局部最优。e-QPSO算法的这三个改进对提高原QPSO算法的性能起到了至关重要的作用。对包括5个工程问题在内的59个具有挑战性的基准问题进行了e-QPSO验证。e-QPSO的结果优于现有的12种QPSO变体、2种自适应PSO变体以及9种著名的进化算法。统计检验也证明了e-QPSO与其他元启发式方法相比具有统计学意义的性能。
『Sci-Hub|Scidown』怎么用?来看看教程吧!

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献(暂时关闭)


安卓手机、电脑用户,您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!(注意是文献的DOI号)


苹果手机用户,您需要先在App Store里搜索并下载 Documents by Readdle 这个APP,在APP首页,左划右下角的指南针图标打开APP内置浏览器,在浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!


如出现BUG?赶快加入【Scidown互助交流群】反馈吧:729083885【点击一键加群】