×
阿诺·弗洛里;哈穆切·乌尔哈吉;帕特里克·西亚里

量子粒子群优化：一种用于局部和全局优化的自适应粒子群优化算法。 （英语） Zbl 1493.90237号

计算。最佳方案。申请。 82，第2期，525-559（2022年）.
摘要：粒子群优化（PSO）是一种基于群体的元启发式算法，属于群智能（SI）算法的一类。如今，它在许多难题上的有效性已不再被证明。然而，众所周知，它对设置的选择非常敏感，而对本地搜索则很弱。本文提出了一种基于量子叠加的量子粒子群优化算法（QUAPSO）来设置速度粒子群优化（PSO）参数，简化了算法的设置。受袋鼠算法（KA）启发，PSO中添加了另一项改进，以优化其在局部搜索中的效率。将QUAPSO与文献中的六种著名算法（经典PSO、KA、差分进化、模拟退火粒子群优化、Bat算法和模拟退火高斯Bat算法的两个参数集）进行了比较。实验结果表明，QUAPSO在30个测试函数集上的性能优于竞争算法。

引用于1文件

MSC公司：

90 C59 数学规划中的近似方法和启发式

关键词：

粒子群优化;群智能算法;自适应算法;自组织
PDF格式BibTeX公司 XML格式引用
\textit{A.Flori}等人，《计算》。最佳方案。申请。82，第2号，525--559（2022；Zbl 1493.90237）
全文： DOI程序

参考文献：

[1] Beni，G.，Wang，J.：细胞机器人系统中的群体智能。收录于：《北约机器人与生物系统高级研讨会论文集》，第120卷，第703-712页（1989年）
[2] Kennedy，J.，Eberhart，R.：粒子群优化，In:IEEE神经网络国际会议论文集，第4卷，第1942-1948页（1995）
[3] Shi，Y.，Eberhart，R.：一种改进的粒子群优化算法。摘自：1998年IEEE进化计算国际会议论文集，第69-73页（1998）
[4] 哈里森，KR；阿联酋恩格尔布雷希特；Ombuki-Berman，M.，粒子群优化算法的最优参数区域和控制参数值的时滞依赖性，swarm Evol。计算。，41, 20-35 (2018) ·doi:10.1016/j.swevo.2018.01.006
[5] 张，L。；Wu，L.，一种鲁棒的混合重启模拟退火粒子群优化技术，高级计算。科学。其应用。，1, 1, 5-8 (2012)
[6] Xi Huai，W.，Jun Jun，L.：具有模拟退火的混合粒子群优化。2004年机器学习与控制论国际会议论文集，第4卷，第2402-2405页（2004）
[7] Houssein，E.H.，Gad，A.G.，Hussain，K.，Suganthan，P.N.：粒子群优化的主要进展：理论、分析和应用，群和进化计算，第64卷，100905（2021）
[8] Clerc，M.：粒子群优化。John Wiley&Sons（2010年）·兹比尔1130.90059
[9] 诺贝尔，MS；卡扎尼加，P。；贝索齐，D。；科伦坡，R。；Mauri，G。；Pasi，G.，《模糊自校正粒子群优化算法：一种用于全局优化的无设置算法》，Swarm Evol。计算。，39, 70-85 (2018) ·doi:10.1016/j.swevo.2017.09.001
[10] 胡，M。；Wu，T。；Weir，JD，具有多种自适应方法的自适应粒子群优化，IEEE Trans。进化。计算。，17, 5, 705-720 (2013) ·doi:10.1109/TEVC.2012.2232931
[11] Bakwad，K.M.，Pattnaik，S.S.，Sohi，B.S.，Devi，S.，Panigrahi，B.K.，Das，S.，Lohokare，M.R.：无参数PSO的混合细菌饲料。摘自：《2009年世界自然与生物启发计算大会论文集》，第1077-1081页（2009）
[12] Sun，J.，Feng，B.，Xu，W.B.：具有量子行为的粒子群优化。摘自：2004年进化计算大会会议记录，第325-331页（2004）
[13] Sun，J.，Xu，W.，Feng，B.：个体水平上量子粒子群优化的自适应参数控制。摘自：2005年IEEE系统、人与控制论国际会议论文集，第4卷，第3049-3054页（2005）
[14] Xi，M。；吴，X。；盛，X。；Sun，J。；Xu，W.，采用局部搜索策略的改进量子行为粒子群优化，J.算法计算。技术。，11, 1, 3-12 (2016) ·doi:10.1177/1748301816654020
[15] Liu，J.、Sun，J.和Xu，W.：通过模拟退火改进Quantum-Behaved粒子群优化。摘自：《2006年智能计算国际会议论文集》，第4115卷，第130-136页（2006）
[16] Sun，J。；吴，X。；帕拉德，V。；方，W。；赖，CH；Xu，W.，量子粒子群优化算法的收敛性分析与改进，信息科学。，193, 81-103 (2012) ·doi:10.1016/j.ins.2012.01.005
[17] 李，S。；王，R。；胡，W。；Sun，J.，一种新的基于QPSO的人脸检测BP神经网络，模糊信息工程，40，355-363（2007）·doi:10.1007/978-3-540-71441-5_40
[18] Sun，J.，Feng，B.，Xu，W.B.：基于QPSO的QoS组播路由算法。摘自：《第十一届国际会议记录》，SEAL 2017，第261-268页（2017）
[19] Xu，X。；Shan，D。；王，G。；Jiang，X.，利用QPSO算法优化的PCNN进行多模态医学图像融合，应用。软计算。，46, 588-595 (2016) ·doi:10.1016/j.asoc.2016.03.028
[20] Djemame，S.、Batouche，M.、Oulhadj，H.、Siarry，P.：用量子粒子群优化算法解决图像处理中的逆向涌现问题。软计算。1-15 (2018)
[21] Rakitianskaia，AS；Engelbrecht，AP，使用动态粒子群优化训练前馈神经网络，swarm Intell。，6, 3, 233-270 (2012) ·doi:10.1007/s11721-012-0071-6
[22] 费尔南德斯，FE；Yen，GG，图像分类深层神经网络结构的粒子群优化，swarm Evol。计算。，49, 62-74 (2019) ·doi:10.1016/j.swevo.2019.05.010
[23] Gandelli，A.、Grimaccia，F.、Mussetta，M.、Pirinoli，P.、Zich，R.E.：GA和PSO之间不同杂交策略的开发和验证。摘自：2007年IEEE进化计算大会会议记录，第2782-2787页（2007）
[24] Bahrepour，M。；Mahdipour，E。；切洛伊，R。；Yaghoobi，M.，SUPER-SAPOS:一种新的基于SA的PSO算法，Adv.Intell。软计算。，58, 423-430 (2009) ·doi:10.1007/978-3-540-89619-7_41
[25] Jeong，S。；长谷川，S。；下山，K。；Obayashi，S.，适用于现实世界设计优化的高效GA/PSO-HYBRID算法的开发和研究，IEEE Comput。智力。Mag.，4，3，33-44（2009）·doi:10.1109/MCI.2009.933099
[26] 何，X。；丁，WJ；基于模拟退火和高斯扰动的Yang，XS，Bat算法，神经计算。申请。，25, 2, 459-468 (2014) ·doi:10.1007/s00521-013-1518-4
[27] 王，S。；Zhang，Y。；东，Z。；杜，S。；吉，G。；严，J。；杨，J。；王，Q。；冯，C。；Phillips，P.，通过PSO和ABC混合优化的前馈神经网络，用于异常大脑检测，国际成像系统杂志。技术。，25, 2, 153-164 (2015) ·doi:10.1002/ima.22132
[28] Dong，J。；张，L。；Xiao，T.，具有灵活任务时间和分区约束的双标准随机线路平衡的PSO/SA混合算法，J.Intell。制造，29，4，737-751（2018）·doi:10.1007/s10845-015-1126-5
[29] Deb，K。；Padhye，N.，通过与遗传算法的算法链接提高粒子群优化的性能，计算。最佳方案。申请。，57, 761-794 (2014) ·兹比尔1304.90219 ·doi:10.1007/s10589-013-9605-0
[30] 达瓦尔，MK；Jung，SN；Kim，CJ，用于约束优化问题的高级粒子群辅助遗传算法，计算。最佳方案。申请。，58, 781-806 (2014) ·Zbl 1334.90208号 ·doi:10.1007/s10589-014-9637-0
[31] Fleury，G.：《随机方法与术语》（Méthodes stonaviques et déterministes pour les problemèmes NP-difficiles）。法国克莱蒙费勒德大学应用科学博士论文（1993年）
[32] 克莱戈恩，CW；Engelbrecht，AP，《粒子群稳定性：使用非停滞分布假设的理论扩展》，swarm Intell。，9, 1, 1-22 (2017) ·doi:10.1007/s11721-017-0141-x
[33] Yousri，D。；阿勒姆·D·。；埃泰巴，MB；Suganthan，PN，混沌异质综合学习，永磁同步电机模型参数估计的粒子群优化变量，伊朗科学杂志。技术。，事务处理。选举人。工程师，44，1299-1318（2020）·doi:10.1007/s40998-019-00294-4
[34] J.éo博士。；佩特罗斯基，A。；Siarry，P。；Taillard，E.，《硬优化的元启发式：方法和案例研究》（2006），柏林-海德堡：施普林格-弗拉格出版社，柏林-海德堡·Zbl 1118.90058号
[35] 哈里森，KR；阿联酋恩格尔布雷希特；Ombuki-Berman，BM，粒子群优化的惯性权重控制策略，swarm Intell。，10, 4, 267-305 (2016) ·doi:10.1007/s11721-016-0128-z
[36] 克莱霍恩，CW；Engelbrecht，AP，《粒子群变体：标准化收敛分析》，swarm Intell。，9, 2-3, 177-203 (2015) ·doi:10.1007/s11721-015-0109-7
[37] Clerc，M。；Kennedy，J.，《多维复杂空间中的粒子群爆炸、稳定性和收敛》，IEEE Trans。进化。计算。，6, 1, 58-73 (2002) ·doi:10.1109/4235.985692
[38] Clerc，M.：粒子群优化中的停滞分析或什么都不发生时会发生什么。http://hal.archives-ouvertes.fr/hal-00122031 (2006)
[39] AK秦；黄，VL；Suganthan，PN，用于全局数值优化的具有策略自适应的差分进化算法，Trans。进化。计算。，13, 2, 398-417 (2009) ·doi:10.1109/TEVC.2008.927706
[40] Ronkkonen，J.，Kukkonnen，S.，Price，K.V.：差分进化的实参数优化。摘自：2005年IEEE进化计算大会会议记录，第1卷，第506-513页（2005）
[41] Mallipeddi，R。；Suganthan，PN；潘，QK；Tasgetiren，MF，参数和变异策略集成的差分进化算法，应用。软计算。，11, 2, 1679-1696 (2011) ·doi:10.1016/j.asoc.2010.04.024
[42] Neumann，G.、Swan，J.、Harman，M.、Clark，J.A.：元启发式系统比较的可执行实验模板模式：扩展摘要。摘自：《2014年遗传和进化计算年度会议（GECCO Comp’14）相关出版物汇编》，第1427-1430页（2014）
[43] Engelbrecht，A.P.：《计算智能：导论》。John Wiley&Sons（2007）
[44] Peer，E.S.，van den Bergh，F.，Engelbrecht，A.P.：使用具有保证收敛PSO的邻域。2003年IEEE Swarm Intelligence研讨会论文集。SIS’03系列
[45] Lynn，N。；阿里，MZ；Suganthan，PN，粒子群优化和差分进化的种群拓扑，swarm Evol。计算。，39, 24-35 (2018) ·doi:10.1016/j.swevo.2017.11.002
[46] Kennedy，J.：小世界与百万：邻域拓扑对粒子群性能的影响。摘自：1999年IEEE进化计算大会会议记录，第3卷，第1931-1938页（1999）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。