量子行为粒子群优化中的多样性分析和控制
摘要：控制和分析量子行为粒子群优化(QPSO)中的种群多样性的问题。首先，通过计算粒子位置与平均点的距离定义了基因型多样性，通过QPSO的适应度值定义了表型多样性。然后，在几个基准函数上测试和分析了两种多样性与搜索性能之间的关联，并且表明距离平均点的多样性在进化过程中与搜索性能的关联更强。最后，根据进行的多样性分析，提出了两种控制距离平均点多样性的策略，以提高QPSO算法的搜索能力。在CEC 2005基准套件的一组基准函数上对引入的多样性控制方法进行了实证研究。评估并比较了所提出方法与原始QPSO和其他PSO变体的性能。
作者：Li-Wei Li, Jun Sun, Chao Li, Wei Fang, Vasile Palade, Xiao-Jun Wu
论文ID：2308.04840
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2023-08-10