基于正态云模型的自适应变异量子粒子群优化算法

为提高量子粒子群算法的寻优能力,文中提出一种新的正态云模型自适应变异量子粒子群算法。该方法采用正态云模型优化策略,引入自身最差粒子和全局最差粒子,结合自身最优粒子和全局最优粒子自适应调整势阱中心位置与收缩-扩张系数, 每次迭代后生成的新粒子,以一定概率采用正态云模型对粒子进行变异操作。最后标准函数极值优化的实验结果表明,该算法的单步迭代时间较长但优化能力较同类算法有大幅度提高。