基于SP-QPSO算法的传感器阵列多目标优化研究

摘要

针对高维空间中搜索算法面临“种群退化”现象,且通常涉及约束优化问题。提出了一种基于改组复合体演化量子行为粒子群优化算法(SP-QPSO)用于电子鼻传感器阵列多目标优化研究方法。其中基于改组复合体演化算法(Shuffled complex evolution with PCA,SP)用于构建复合体并监测种群维数的变化。量子行为粒子群优化算法(Quantum behaved particle swarm optimization,QPSO)用于每个复合体在搜索空间的演化。同时引入自适应惩罚函数计算搜索空间的违反度,用于指导搜索空间可行区域的求解。实验结果表明SP-QPSO算法精度明显优于其它对比算法,达到了90.1%。而且该算法将传感器阵列的数量降至6个以下,最优阵列的整体规模更小。