量子粒子群优化算法

摘要： 为提高定模动辊装备系统的安全性及加工精度,优化其各传动链零部件的性能参数,基于5个道次的定模动辊辊弯成形装备的运动过程,构建等效简化模型;以x向运动的动态响应加速度的最大值的绝对最小值为优化目标对其进行优化,提出量子粒子群优化算法的改进策略;利用改进后的量子粒子群优化算法进行求解,得到5个道次的定模动辊装备系统性能参数的最优方案。

摘要： 钢丝绳损伤信号是一种非平稳无周期性的冲击信号,其特征信号的降噪处理和特征提取成为亟待解决的难题。小波变换方法若小波基或者分解层数不适合,会在信号降噪的同时引入其他噪声干扰,影响信号处理与特征提取的效果。相较于小波变换方法,移位平均法只需要选择一定的移位窗宽即可实现对信号的有效降噪,但移位窗宽需要人为选择,盲目性大。针对上述问题,提出一种强噪声背景下钢丝绳损伤信号降噪方法。利用钢丝绳漏磁检测传感器采集不同类型的断丝数据,向信号中加入强高斯白噪声,以模拟强噪声背景;采用自适应移位平均法对钢丝绳损伤信号进行降噪,利用量子粒子群优化(QPSO)算法优化移位平均法的窗宽;将损伤信号的信噪比(SNR)作为适应度函数,通过QPSO算法使得损伤特征信号SNR最大化,从而实现最优信号降噪效果。实验结果表明,对于强噪声背景下的钢丝绳平稳和波动信号,相较于小波变换,自适应移位平均法的降噪效果更明显,信噪比更高,信号更为平滑。实测结果表明,对于现场采集的噪声相对弱一些的钢丝绳损伤信号,自适应移位平均法的降噪效果也比小波变换好,验证了自适应移位平均法具有较好的通用性。

摘要： 针对原始量子粒子群优化算法(QPSO)在面对复杂多模函数时容易出现早熟和收敛精度低的情况,提出了一种具有随机扰动机制的改进QPSO算法(MQPSO)。在改进算法设计时,首先借鉴了遗传算法中交叉算子的思想,并结合随机扰动操作,对单个粒子的历史最优位置和全局最优位置进行了重新设定,以增强算法在迭代后期的收敛性能,同时维持种群的多样性;其次,对QPSO算法中的重要参数收缩-扩张因子,进行了非线性调整,以提高算法的全局收敛速度和精度。通过8个测试函数,将MQPSO算法与4个现有的改进算法从平均值、标准差和最好取值三个方面进行了对比;进而根据中国证券市场中15只股票的历史数据,分别运用粒子群优化算法、量子粒子群优化算法、布谷鸟搜索、蝙蝠算法和MQPSO算法对一类具有最小最大风险的投资组合优化模型进行数值求解。实验表明:MQPSO算法无论在基准测试中还是在仿真应用上,其计算结果在收敛精度和稳定性方面均优于其他群智能算法。

摘要： 为了提高超宽带(UWB)天线的建模精度,提出一种基于改进的量子粒子群优化(QPSO)算法优化神经网络的建模方法。在QPSO算法中引入维数搜索策略,优化粒子组成,改善QPSO算法易陷入局部最优和全局收敛速度慢等问题;采用Elman神经网络作为基础神经网络,通过改变Elman神经网络的拓扑结构并引入自反馈增益因子,提高其泛化能力,用改进后的QPSO算法优化神经网络的权值阈值,提高模型的预测精度。将该模型用于一种UWB陷波的天线建模中,对天线的电参数进行仿真建模,实验结果表明:该建模方法平均绝对误差减小98.25%,运行时间减少34.81%,具有更高的预测精度和更快的收敛速度。

摘要： 针对无人机攻防博弈面临信息不确定等挑战,基于区间数和量子粒子群优化进行无人机攻防博弈混合策略研究。设定双方策略集,用区间数表示不确定信息。确定态势评估函数,建立态势区间数矩阵,利用集对分析将态势区间数矩阵转化为态势联系数矩阵,利用量子粒子群优化算法确定各态势指标的最优权重。建立博弈支付函数,计算敌我双方的区间支付矩阵,结合区间数的可能度公式,采用量子粒子群优化算法,求解出敌我双方攻防博弈对抗的混合策略纳什均衡解和期望收益区间,实现无人机攻防博弈决策。通过仿真实例验证了所建模型的可行性和有效性。

摘要： 针对作业车间调度问题(job-shop scheduling problem, JSP)中存在的求解复杂程度高、动态性强等难题,提出基于差分特性的量子粒子群优化算法。量子粒子群算法引入量子机制克服了粒子群算法在全局收敛性上的不足,并采用差分进化思想对粒子状态进行更新,借助变异操作增大种群多样性,对早熟粒子进行交叉选择操作,防止个体收敛到局部极值,进一步采用多邻域搜索方法以提高算法的寻优速度。对FT、LA两类JSP算例进行求解,将所提算法与离散粒子群算法、遗传算法以及细菌觅食算法进行实验对比。结果表明,4种算法收敛到FL10算例理论最优解的时间分别为127、134.8、143.5以及141.3 s;而LA36算例的理论最优解为1 268,4种算法所得结果分别为1 294.6、1 457.4、1 374.3以及1 398,且所提算法收敛时间最短。仿真结果表明所提算法能以较快的收敛速度得到最优解,相比于其他算法,寻优速度和精度都有了明显提升。

摘要： 随着计算机技术的不断发展,混沌算法、粒子群算法等技术被广泛应用到各种行业中。把这些算法应用于汽车发动机控制的认知感知、决策规划以及执行控制等多个步骤,可有效提升发动机控制技术的智能化程度。模型预测控制技术在发动机控制技术中的应用,为发动机空燃比估计及跟踪控制研究提供了较好的智能化工具。笔者应用的模型预测控制技术是混沌优化算法结合量子粒子群优化算法,主要运用这两种算法实现空燃比跟踪控制。试验表明,量子粒子群优化算法可以求出全局最优解、提高收敛速度并获得较高的精度。空燃比跟踪控制的平均误差率较小,保证了算法的有效性及准确性。

摘要： 为获取具有最优性能的张拉膜结构的形态,基于量子粒子群优化算法,开展伞形膜结构在风荷载作用下的形态优化设计.以矢跨比和脊索拉力作为优化变量,将应变能、应力波动系数和最大支座反力作为优化目标建立多目标优化模型.通过分配系数法构造适应度函数,并以适应度函数为评价标准进行优化计算;然后,通过与粒子群优化算法优化结果的比较,证明量子粒子群优化算法的有效性和优越性.结果表明:风荷载作用下的最优伞形膜结构形态的脊索拉力、膜预应力和跨度之间的比值系数约为0.77,最优结构矢跨比为0.33~0.41,最优值主要集中在0.35左右.

摘要： 针对量子粒子群优化(Quantum Particle Swarm Optimization,QPSO)算法的缺陷,提出了一种基于Lévy飞行策略和混合概率分布的改进量子粒子群优化(Hybrid Quantum Particle Swarm Optimization,HQPSO)算法。在算法的设计中,借助Lévy飞行策略对粒子位置的迭代公式进行更新,用于改善算法的局部收敛精度,增强其全局探索能力。另外,考虑到迭代后期的早熟问题,在势阱模型中引入了指数分布和正态分布相结合的混合概率分布,帮助算法及时逃离局部最优。基于16个基准函数的测试结果表明,HQPSO算法在收敛精度和鲁棒性上比其他几种算法表现更好。最后,将改进的QPSO算法应用到自融资投资组合模型的求解中,其数值结果与差分进化、粒子群优化算法和量子粒子群优化算法相比,HQPSO算法展现出更好的可比性和优越性。

摘要： 合理规划电动汽车EV(electric vehicle)充电站对普及EV、维护配电网安全具有重要意义。提出了一种考虑配电网负荷的EV充电站规划方法。考虑大规模EV接入对区域配电网的影响,建立计及区域负荷、充电站建设和维护、用户损失等因素的充电站规划模型。针对传统粒子群优化算法的效率低、易陷入局部收敛等问题,提出基于随机初始值的多通道Tent映射的量子粒子群算法寻找EV充电站最优规划方案。仿真结果表明,所建模型的最优规划方案能够保证配电网负荷的稳定性和运行的经济性,所提求解算法具有良好的收敛精度和运算效率。

摘要： 针对现有的量子粒子群优化算法(QPSO)中收缩一扩张系数α取固定值或线性变化时,不能很好地适应复杂的多维非线性优化搜索问题,提出了两种参数α控制策略:基于Logistic函数的动态非线性递减策略和自适应参数调整策略.在第一种策略中引入S型函数来描述α值在进化过程中的动态变化特性,第二种策略中引入反馈调节方式来控制α值的变化.几个典型函数的实验测试结果表明,两种改进后的参数调整策略对于复杂优化问题在收敛速度和平均最优值上都有所改善,明显优于取固定值或线性变化策略.

摘要： 量子粒子群优化算法(QPSO)是一种比较新的基于粒子群优化算法的改进算法,虽然它的性能比其他的粒子群算法要好,但还是存在不足。本文在QPSO的基础上提出了一些改进措施,针对达到一定精度要求时所需的迭代次数比较大的问题将混沌引入到了粒子的初始化中,考虑到迭代后期QPSO的粒子很容易停滞及陷入局部最优解的问题加入了扰动的概念。文中用4个常用的测试函数进行了测试,结果表明,该算法优于QPSO以及PSO,是一种更迅速、更有效的算法。

摘要： 针对粒子群优化算法搜索空间有限、容易陷入局部最优点的缺陷,提出将一种基于量子行为的粒子群优化算法应用于多机协同目标分配问题.将该问题中的每个分配方案组成一个向量,以此向量作为量子粒子群优化算法中的粒子进行进化,由此在解空间内搜索最优解.实例仿真结果表明,该算法收敛速度快、全局收敛性能好,可以得到比遗传算法、粒子群优化算法更佳的分配效果,证明了算法的有效性.

摘要： 针对目前火电厂实际燃用煤种偏离设计煤种的特点，利用量子粒子群算法(QPSO)建立优化配煤模型。模型兼顾配煤经济性和煤质特性参数作为目标函数，并以单煤的价格、发热量、灰分、挥发分、水分以及硫分等6项指标值作为约束条件。基于内蒙某电厂的来煤条件，采用本模型进行配煤优化计算。仿真实验表明：量子粒子群算法(QPSO)具有较好的全局搜索能力，并能够快速、准确地搜索到最佳的优劣质煤配比关系和最经济的配煤价格；对比带惯性权重的粒子群算法，QPSO具有更好的全局搜索能力和收敛性。

摘要： 无线传感网络(WSN)客观存在能量约束的瓶颈，为减小WSN中路由能量开销，同时保证数据传输的服务质量(Qos)，提出用量子粒子群优化算法(QPSO)求解WSN的QoS组播路由.该算法基于粒子群优化算法，量子位的表示方法和量子力学的态叠加原理并引入量子门作用，达到在能耗最小化和避免局部收敛的前提下，求解QoS组播路由速度快，延长了网络寿命.仿真结果表明QPSO求解WSN的QoS组播路由的可行性和有效性。

摘要： 许多智能优化算法，可以用于有限脉冲响应(FIR)数字滤波器的设计。FIR数字滤波器的设计实际上是一个多维变量寻优问题，将滤波器的设计转化为滤波器参数优化的问题。本文主要介绍了粒子群优化算法、量子粒子群优化算法，然后利用上述算法对参数空间进行搜索以获得参数的最优化，并根据预期频率特性的设计要求，通过仿真实验表明该设计方法的有效性。最后，本文还介绍了改进的优化算法。

摘要： 极限学习机(ELM)是一种新型的单隐含层神经网络的训练方法,同传统的基于梯度的网络训练方法相比,具有快速的学习速度和更好的泛化性能.ELM在实际应用中往往需要大量的隐含层神经元,由于随机设定输入权值和偏置值,容易导致病态问题的出现.为解决上述问题,提出一种应用量子粒子群(QPSO)优化包括隐含层节点个数在内的网络参数的方法.这种优化基于验证集的均方根误差,考虑到了输入权值矩阵的范数.在典型的回归和分类问题上进行试验证明了算法的有效性.

摘要： 极限学习机(ELM)是一种新型的单隐含层神经网络的训练方法,同传统的基于梯度的网络训练方法相比,具有快速的学习速度和更好的泛化性能.ELM在实际应用中往往需要大量的隐含层神经元,由于随机设定输入权值和偏置值,容易导致病态问题的出现.为解决上述问题,提出一种应用量子粒子群(QPSO)优化包括隐含层节点个数在内的网络参数的方法.这种优化基于验证集的均方根误差,考虑到了输入权值矩阵的范数.在典型的回归和分类问题上进行试验证明了算法的有效性.

摘要： 极限学习机(ELM)是一种新型的单隐含层神经网络的训练方法,同传统的基于梯度的网络训练方法相比,具有快速的学习速度和更好的泛化性能.ELM在实际应用中往往需要大量的隐含层神经元,由于随机设定输入权值和偏置值,容易导致病态问题的出现.为解决上述问题,提出一种应用量子粒子群(QPSO)优化包括隐含层节点个数在内的网络参数的方法.这种优化基于验证集的均方根误差,考虑到了输入权值矩阵的范数.在典型的回归和分类问题上进行试验证明了算法的有效性.

摘要： 极限学习机(ELM)是一种新型的单隐含层神经网络的训练方法,同传统的基于梯度的网络训练方法相比,具有快速的学习速度和更好的泛化性能.ELM在实际应用中往往需要大量的隐含层神经元,由于随机设定输入权值和偏置值,容易导致病态问题的出现.为解决上述问题,提出一种应用量子粒子群(QPSO)优化包括隐含层节点个数在内的网络参数的方法.这种优化基于验证集的均方根误差,考虑到了输入权值矩阵的范数.在典型的回归和分类问题上进行试验证明了算法的有效性.

摘要： 本发明公开了一种基于改进型量子粒子群算法的电子鼻参数同步优化算法，首先将获取的原始电子鼻数据进行小波变换，然后对小波系数进行加权处理，之后采用基于新型局部吸引子计算方式的一种改进型量子粒子群算法，找到电子鼻模式识别率最到时对应的加权系数以及分类器参数，从而获得电子鼻信号的特征矩阵，然后将所得特征矩阵输入分类器进行模式识别。其有益效果是：增加了粒子前期遍历性和后期局部寻优能力，提高了量子粒子群寻找全局最优值的能力，特别针对伤口感染检测而言，提高了电子鼻的识别率，从而为医生选择适当的治疗方法，促进伤口快速恢复提供了有益指导。

摘要： 本发明公开了改进量子粒子群优化算法的方法及基于改进算法的应用。其中，该方法包括：寻找粒子群中的拐点，其中，拐点是在任一方向上所能进行搜索的极限位置，拐点至少为两个；计算拐点的适应度值；对拐点的适应度值与个体极值的适应度值进行比较，根据比较结果更新粒子的个体极值；更新种群的历史最优位置和中心粒子，其中，中心粒子为所有粒子的个体极值所形成的中心；通过种群的历史最优位置和中心粒子之间的差分结果更新种群的全局极值；根据个体极值和全局极值更新粒子的位置。本发明解决了处理复杂问题时容易产生过早收敛的问题，在算法迭代后期，粒子多样性迅速下降，收敛速度较慢的技术问题。

摘要： 本发明公开了改进的量子粒子群优化算法及应用于预测网络流量的方法。其中，该方法包括：通过粒子群的聚集度随机生成收缩扩张系数，其中，粒子群的聚集度是指粒子群的粒子之间的相似性和聚拢度，收缩扩张系数服从随机分布；根据收缩扩张系数更新粒子的位置。本发明解决了处理复杂问题时容易产生过早收敛的问题，在算法迭代后期，粒子多样性迅速下降，收敛速度较慢的技术问题。

摘要： 一种基于量子粒子群优化算法的对焦方法，用于在拍摄图像时进行图像的对焦，其特征在于，包括以下步骤：步骤1，采用多个位于三维空间中的粒子分别表示图像中像素点的灰度值，对粒子代表的灰度值进行随机设定；步骤2，将量子粒子群中粒子的初始位置按位置公式进行平均分布；步骤3，用图像的前景图像与背景图像的平均灰度值方差函数计算粒子的适应度值，利用量子粒子群优化算法结合领域搜索法获得最佳分割阀值；步骤4，根据最佳分割阀值将图像分割为前景图像和背景图像；步骤5，根据前景图像的灰度值重心选取聚焦区域；步骤6，使用灰度差分法作为图像清晰度评价函数，根据该图像清晰度评价函数计算出的函数值来确定镜头的位置从而完成对焦。

摘要： 本发明公开了改进量子粒子群优化算法的方法及基于改进算法的应用。其中，该方法包括：寻找粒子群中的拐点，其中，拐点是在任一方向上所能进行搜索的极限位置，拐点至少为两个；计算拐点的适应度值；对拐点的适应度值与个体极值的适应度值进行比较，根据比较结果更新粒子的个体极值；更新种群的历史最优位置和中心粒子，其中，中心粒子为所有粒子的个体极值所形成的中心；通过种群的历史最优位置和中心粒子之间的差分结果更新种群的全局极值；根据个体极值和全局极值更新粒子的位置。本发明解决了处理复杂问题时容易产生过早收敛的问题，在算法迭代后期，粒子多样性迅速下降，收敛速度较慢的技术问题。

摘要： 本发明公开了一种基于量子粒子群优化算法的岗位匹配方法，属于人员与岗位之间的匹配技术领域。包括以下几个步骤：建立候选人员集M＝[M1,M2,…,Mn]与岗位集W＝[W1,W2,…,Wm]；然后建立指标评价体系，包括不同评价指标在不同岗位中所占的权重；计算候选人员在不同岗位中可以发挥的作用分数；构建人员素质评测矩阵；建立人员岗位优化模型，使得最终的人员岗位匹配方案使得所有人员可以发挥的作用分数总和最大；以人员素质评测矩阵的索引为基本粒子，使用量子粒子群优化算法进行优化；设置量子粒子群优化算法所需超参数，并进行迭代优化过程寻找全局最优解。本发明方法的技术效果是：基于量子粒子群优化算法合理分配人员到最适合团队整体工作能力最大化的方案。

摘要： 一种基于自组织多模态多目标量子粒子群优化算法的路径规划方法，包括：一种自组织网络模型被用来获取每一个粒子的最佳邻居位置，该邻居位置参与量子粒子群算法中粒子位置的更新；将决策空间划分为多个相等区域，在更新粒子位置过程中，种群的中心位置和全局最佳位置是根据决策空间子分区中帕累托最优解数量最少区域确定，进而引导粒子位置进化更新；为了维持帕累托解档案集在决策空间和目标空间的多样性和收敛性，一种档案选择更新策略被用于维持档案集的多样性和收敛性。本发明不仅能够在决策空间找到多样和等价的帕累托解，而且能够维持解集合在目标空间的收敛性。同时，更好地解决路径规划问题，为用户在路径规划时提供多种等效路径以供选择。

摘要： 本发明适用于路径规划技术领域，提供了一种基于改进量子粒子群优化算法的全局路径规划方法，包括如下步骤：S1、创建栅格地图；S2、设置参数；S3、初始化粒子群；S4、迭代次数加一，更新当前各粒子的个体最好位置及适应度值；S5、更新全局最好位置及适应度值；S6、计算出本次迭代中所有粒子的个体最好位置的平均值；S7、预测各粒子在下次迭代中的位置；S8、进行多点交叉操作，组合新的粒子群，检测是否全局收敛或者是迭代次数是否达到最大迭代次数，若检测结果为否，执行步骤S4，若检测结果为是，输出各维度上的最优位置，获取全局规划路径。解决传统QPSO算法存在的“早熟”现象以及陷入局部最优的不足。

摘要： 本发明涉及计算机应用技术领域，具体公开了一种基于量子粒子群优化算法的分子对接计算方法，其中，所述基于量子粒子群优化算法的分子对接计算方法包括：获取蛋白质PDB文件；对所述蛋白质PDB文件进行预处理得到蛋白质受体文件与蛋白质配体文件；对所述蛋白质受体文件与蛋白质配体文件进行格点对接预处理；设置格点对接参数，并选取对接算法运行分子对接程序进行分子对接；输出对接结果。本发明提供的基于量子粒子群优化算法的分子对接计算方法具有步骤简单，控制参数少，求解容易的优势。

摘要： 本发明公开了改进的量子粒子群优化算法及应用于预测网络流量的方法。其中，该方法包括：通过粒子群的聚集度随机生成收缩扩张系数，其中，粒子群的聚集度是指粒子群的粒子之间的相似性和聚拢度，收缩扩张系数服从随机分布；根据收缩扩张系数更新粒子的位置。本发明解决了处理复杂问题时容易产生过早收敛的问题，在算法迭代后期，粒子多样性迅速下降，收敛速度较慢的技术问题。