22904.自適應參數(shù)調整量子粒子群算法研究及應用

1、中圖分類號嬰圣Q!：魚UDC5197學校代碼!Q3三密級公玨碩士學位論文自適應參數(shù)調整量子粒子群算法研究及應用ResearchandApplicationonAdaptiveParameterAdjustingQuantumbehavedParticleSwarmOptimization作者姓名：學科專業(yè)：研究方向：學院(系、所)：指導教師：論文答辯日期絲!絲亟!圣李繼松載運工具運用工程智能檢測與控制交通運輸工程學院潘迪夫教授答辯委員會

2、主席]半生中南大學2014年5月自適應參數(shù)調整量子粒子群算法研究及應用摘要：量子粒子群算法在解決優(yōu)化問題上表現(xiàn)出了巨大的優(yōu)勢，在國民經(jīng)濟、國防建設、社會發(fā)展的各個方面得到了廣泛應用，成為近年來國內外研究的焦點之一。然而，該算法存在后期種群多樣性下降、易陷入局部最優(yōu)而導致早熟收斂的缺點。為進一步提高量子粒子群算法的性能，本文基于算法參數(shù)對算法性能影響的分析，提出了一種改進的量子粒子群算法——白適應參數(shù)調整量子粒子群算法，并將其應用于參數(shù)優(yōu)

3、化研究。在改進算法中，采用量子Hadamard門實現(xiàn)粒子位置變異，增加了種群的多樣性；將慣性權重、自身因子和全局因子根據(jù)當前適應度進行白適應調整，提高了算法的全局優(yōu)化能力。通過函數(shù)極值優(yōu)化問題對該算法和傳統(tǒng)算法進行測試，結果表明該算法在收斂速度和成功率等各方面都比較好，具有更好的全局優(yōu)化能力和更高的運行效率。論文將該算法應用于RBF神經(jīng)網(wǎng)絡的參數(shù)優(yōu)化和倒立擺正規(guī)化模糊神經(jīng)網(wǎng)絡控制器的參數(shù)優(yōu)化，將優(yōu)化參數(shù)組成一個多維向量，作為算法的粒子進