【计算机科学】_量子行为的粒子群优化算法(qpso)_期刊发文热词逐年推荐_20140725

粒子群优化算法

粒子群优化算法（PSO）是一种基于群智能的算法，它将仿生学、计算机图形学和优化理论相结合，可以解决复杂的优化问题。该算法在近年来的应用中受到了广泛关注，并在实际工程中取得了显著的效果，特别是在互联网领域，它能够和其他优化算法一起很好地完成复杂的任务。

粒子群优化算法能够有效地解决多种问题，如：分布式搜索、优化路径规划、模式识别、多优化器混合等等。该算法利用社会群体同化规律，将算法中的粒子模型作为一种有效的解决优化问题的一种算法，将周期性更新过程中的位置信息和最大值更新来确定粒子的最优位置。因此，粒子群优化算法在很大程度上可以利用群体行为来最大化和最小化优化目标函数。

此外，粒子群优化算法在互联网领域的应用也得到了很广泛的应用，如入侵检测系统的参数调整、负载均衡的实现以及文本挖掘等技术，都可以利用粒子群优化算法进行优化。如果把这些参数看做一系列棘手的问题，那么粒子群优化算法就能够有效地帮助解决它们。

作为一种有效的优化算法，粒子群优化技术的发展不断增强，它的应用范围也在快速扩大，特别是在互联网领域，它将能够发挥出更大的作用。一般来说，粒子群优化算法有较低的时间复杂度，能够尽快找到最优解。此外，由于粒子群优化可以识别全局最优解，这种技术具有抗噪声能力强、能够适应不断变化的技术参数等特点，值得引起关注。

基于量子行为的微粒群优化算法的数据聚类

唐槐璐;须文波;龙海侠

【期刊名称】《计算机应用研究》

【年(卷),期】2007(024)011

【摘要】在PSO聚类算法的基础上,提出了基于量子行为的微粒群优化算法(QPSO)的数据聚类.QPSO算法不仅参数个数少、随机性强,并且能覆盖所有解空间,保证算法的全局收敛.PSO与QPSO算法的不同在于聚类中心的进化上,实验中用到四个数据集比较的结果,证明了QPSO优于PSO聚类方法.在聚类过程中使用了一种新的度量代替Euclidean标准,实验证明了新的度量方法比Euclidean标准更具有健壮性,聚类的结果更精确.

【总页数】3页(P49-51)

【作者】唐槐璐;须文波;龙海侠

【作者单位】江南大学,信息工程学院,江苏,无锡,214122;江南大学,信息工程学院,江苏,无锡,214122;江南大学,信息工程学院,江苏,无锡,214122

【正文语种】中文

【中图分类】TP391

【相关文献】

1.基于量子行为微粒群优化算法的彩色图像增强 [J], 秦媛媛

2.基于量子行为的微粒群优化算法与模糊C均值聚类算法的磨粒图像分割 [J], 杨宁;张培林;任国全;李俊 3.基于改进量子旋转门的量子进化数据聚类 [J], 刘芳;王爽;柳莹莹;戚玉涛

4.基于量子行为的微粒群优化算法的图像分割 [J], 龙海侠;须文波;孙俊

5.基于量子行为微粒群优化算法的图像增强方法 [J], 孙勇强;须文波;孙俊

因版权原因，仅展示原文概要，查看原文内容请购买

粒子群优化算法 2

粒⼦群优化算法

粒⼦群优化算法属于群智能(swarm intelligence)优化算法。群智能分两种，⼀种是粒群优化，另⼀种是蚁群优化。

群智能概念

假设你和你的朋友正在寻宝，每个⼈有个探测器，这个探测器可以知道宝藏到探测器的距离。你们⼀群⼈在找，每个⼈都可以把信息共

享出去，就跟打dota时你可以有你队友的视野，你可以知道其他所有⼈距离宝藏的距离，这样，你看谁离宝藏最近，就向谁靠近，这样会使

你发现宝藏的机会变⼤，⽽且，这种⽅法⽐你单⼈找要快的多。

这是⼀个群⾏为(swarm behavior)的简单实例，群中各个体交互作⽤，使⽤⼀个⽐单⼀个体更有效的⽅法求解全局⽬标。可以把群

(swarm)定义为某种交互作⽤的组织或Agent之结构集合，在群智能计算研究中，群的个体组织包括蚂蚁，⽩蚁，蜜蜂，黄蜂，鱼群，鸟群

等。在这些群体中，个体在结构上是很简单的，⽽它们的集体⾏为却可能变得相当复杂。研究⼈员发现，蚂蚁在鸟巢和⾷物之间的运输路

线，不管⼀开始多随机，最后蚂蚁总能找到⼀条最短路径。

粒群优化概念

粒群优化(particle swarm optimization,PSO)算法是⼀种基于群体搜索的算法，它建⽴在模拟鸟群社会的基础上。粒群概念的最初含义是通过

图形来模拟鸟群优美和不可预测的舞蹈动作，发现鸟群⽀配同步飞⾏和以最佳队形突然改变飞⾏⽅向并重新编队的能⼒。这个概念已经被包

含在⼀个简单有效的优化算法中。

在粒群优化中，被称为“粒⼦”(particle)的个体通过超维搜索空间“流动”。粒⼦在搜索空间中的位置变化是以个体成功地超过其他个体的社会⼼

理意向为基础的，因此，群中粒⼦的变化是受其邻近粒⼦（个体）的经验或知识影响的。⼀个粒⼦的搜索⾏为受到群中其他粒⼦的搜索⾏为

的影响。由此可见，粒群优化是⼀种共⽣合作算法。

算法描述

先通过⼀个形象的场景来描述⼀下：5只鸟觅⾷，每个鸟都知道⾃⼰与⾷物的距离，并将此信息与其他鸟共享。

⼀开始，5只鸟分散在不同的地⽅，假设没只鸟每秒钟更新⾃⼰的速度和⽅向，问题是怎么更新呢？

QPSO算法简介

对标准的PSO算法而言，算法收敛速度很快，但极易陷入局部最优。为了解决之一不足，2004年，孙俊[46]从量子力学角度出发提出了量子粒子群（QPSO）算法，QPSO算法的全局搜索能力要远远优于一般的PSO算法。QPSO算法与PSO算法是两种不同的运动方式，并不是在PSO算法的位置与速度更新公式上添加算子，因在理论上QPSO算法与PSO算法的复杂度是相当的。

在QPSO算法中，粒子被认为具有量子行为并参考了量子力学中量子的不确定性原理，故无法同时确定粒子的位置与速度的精确值。QPSO算法中粒子的更新是通过观测得到新个体，即给定一个概率去观测粒子，那么就会得到它得一个位置，对于每个粒子来说，会随机产生多个概率，利用蒙特卡罗思想进行观测，得到多个个体，然后选取个体最优，并依次评价其余个体，最终得到下代个体，如此进行搜索[47]。QPSO算法中粒子没有速度矢量，其位置迭代公式为：

1ln1/ididididXtppXtu

式中，——压缩-扩张系数，控制算法的收敛速度；

u——(0,1)之间的随机数。

上式中idp称为局部吸引因子，由个体最优位置和全局最优位置共同决定，为了保证算法收敛，其表达式为：

1idiippBestgBest

式中：——(0,1)之间的随机数。

粒子i的个体最优位置由式(2-14)确定：

,1=1,1iiiiiiiXtiffXtfpBesttpBesttpBesttiffXtfpBestt

2.3.2 基于平均最优位置的QPSO算法

对于QPSO，在迭代过程中通过个体极值与全局极值的相关信息进行下一步搜索，迭代末期，群体多样性会急剧恶化，个体容易陷入局部最优，故而孙俊等在算法中引入了平均最优位置（mean best position，mbest）。平均最优位置就是所有粒子个体最优位置的平均，其表达式为：

基于量子行为粒子群优化方法的随机规划算法

李红梅;孙俊;须文波

【期刊名称】《计算机工程与应用》

【年(卷),期】2007(043)024

【摘要】在不断变化的金融市场中,多阶段投资组合优化通过周期性地重组投资对象来追求回报最大,风险最小.提出了使用基于量子化行为的粒子群优化算法(Quantum-behaved Particle Swarm Optimization,QPSO)解决多阶段投资优化问题,并使用经典的利润风险函数作为目标函数,通过算法对标准普尔指数100的不同股票和现金进行投资组合的优化研究.根据实验得出的期望收益率与方差表明,QPSO算法在寻找全局最优解方面要优于粒子群算法(Particle Swarm

Optimization,PSO)和遗传算法(Genetic Algorithm,GA).

【总页数】5页(P185-188,225)

【作者】李红梅;孙俊;须文波

【作者单位】江南大学,信息工程学院,江苏,无锡,214122;江南大学,信息工程学院,江苏,无锡,214122;江南大学,信息工程学院,江苏,无锡,214122

【正文语种】中文

【中图分类】TP301.6

【相关文献】

1.基于佳点集-量子粒子群算法的交直流系统无功优化方法研究 [J], 李海坤;谢珍建;陈正方;张文嘉 2.基于量子行为粒子群算法的装配序列优化方法 [J], 陈虎;刘西

3.基于改进量子粒子群算法的支持向量机参数优化方法 [J], 周頔

4.基于量子粒子群算法的多方法协作优化方法 [J], 姜磊;冯斌;孙俊

5.基于量子粒子群算法的大型阵稀疏优化方法 [J], 郭玉霞;张艳艳;邢金凤;袁晓垒

因版权原因，仅展示原文概要，查看原文内容请购买

【仪器仪表学报】_振_期刊发文热词逐年推荐_20140725

序号科研热词推荐指数序号科研热词1网络控制系统21非高斯最大化2隐乌尔可夫模型12贪婪算法3随机稳定性13负熵4远程实验14视觉导引5超声检测15脉振高频电压信号6资源共享远程控制16胃电图7误差传感器策略17经验模式分解8股骨颈18移动微机器人9紫外荧光法19盲源分离10硬件设计110电能计量装置11电阻抗成像111独立成分分析12混凝土成像112激光跟踪仪13波包分解113激光束偏转14泄漏检测114测量不确定度15松质骨115永磁同步电机16时延116模型参考自适应17数字滤波117柔性装配18性能测试118最优转矩控制19弯曲变形能力119曲线拟合20密质骨120时钟摹频测试21声辐射模态121控制系统22城市地下燃气管网122微装配23噪声控制123平稳小波变换24双谱124小波域隐markov树25光子计数125对时26传感器126定日镜27仪器电路设计127多模态图像28乳腺癌128图像配准29so2监测129图像复原30同步时钟31可编程逻辑器件32剩余图像33全局校准34倾角检测35互信息36gps37forward算法38dda算法39b-样条40b-snake41arm2008年2009年

【计算机科学】_量子计算机_期刊发文热词逐年推荐_20140723

序号科研热词推荐指数序号科研热词1量子密码学21量子粒子群优化2高性能科学计算12量子密码3隐形传态13量子安全直接通信4错误检测14量子可计算性5量子遗传算法15认知逻辑6量子通信16物理主义7量子进化算法17最小威胁面8量子调制18无人飞行器9量子计算机19心灵哲学10量子计算110幺正变换11量子算法111在线航迹规划12量子电路优化112w态13量子杂交113church-turing-deutsch原理14通信系统115进化规划116费米矩阵117线性模型118算法119混合量子进化算法120模块化121格点量子色动力学122核聚类算法123无条件安全性124旋转量子门125整数因子分解126数据安全127拟newton算法128层次存储器技术129完备hash函数130多值逻辑131复杂度132图像分割133可逆逻辑电路134发夹结构135函数优化136位运算137dna计算138bell基测量12008年2009年

【微电子学与计算机】_无线网络_期刊发文热词逐年推荐_20140725

序号科研热词推荐指数序号科研热词

1无线传感器网络101无线传感器网络

2传感器网络22分簇

3集群计算13路由协议

4软件无线电14能量空洞

5路由协议15无线网络

6贵宾桥16数据融合

7负载平衡程度17异常检测

8负载均衡18遗传算法

9覆盖控制19速率需求

10蚁群算法110车用自组织网

11蓝牙散射网111路由簇

12自适应112路由算法

13能量感知113跨层设计

14能量意识114误码率

15网络生存时间115语音活动检测

16空间复用度116节点部署

17用例建模117节点定位

18生成树118节点交换

19生存时间119自适应

20温室120自回归滑动平均模型

21测控系统121能量有效

22汇聚节点122能量异构

23服务质量123能量均衡

24服务架构124能量

25时分多址/时分双工125网络生存期

26无线通信网126网络拓扑

27无线监控127网内数据融合

28无线vpn128网关选择策略

29无线129组合设计

30控制130粒子进化

31捕获效应131粒子群算法

32微传感器132簇头公平性指数

33带宽调度133簇-树型

34回退机制134簇

35吞吐量135移动计算

36吞吐率136移动agent

37协处理器137秘密同态

38千兆以太网138睡眠调度

39包转换139相关系数

40动态自适应140生存时间

41功耗141混沌时间序列分析

42分簇结构142模糊数学

43分簇算法143模拟退火算法

44入侵检测144梯度下降法

45信息素145本地修复

46信任度146服务质量

47传输功率147有效覆盖率

48仿真148映射扩散

49与位置无关149时间同步

50wimax150无线自组网

51uml151无线移动自组网

52tddv-hop152无线射频2008年2009年53rts/cts153无线定位

54qos154无线传感网络

55pxa270155无线传感器网路

56mesh网络156无线mesh网络

57mac层协议157数据交换

58mac协议158按需路由协议

【计算机科学】_粒子群_期刊发文热词逐年推荐_20140722

序号科研热词推荐指数序号科研热词1粒子群优化31粒子群优化2粒子群算法22群智能3高频变异13粒子群4负荷预测14非劣最优解5粒子群优化算法15量子粒子群优化6种群多样性16速度属性7社区发现17训练样本8相关性18自适应9目标加权19聚焦距离变化率10生理信号110网络生存性11特征选择111粒子群算法12特征子集选择112类方差13物种113种群生成方式14模糊自适应pso114种群熵15数据挖掘115社会认知16支持向量机116渡阻抗反演17搜索引擎117海量数据18情感识别118格状网19归一化互信息119最小威胁面20图像配准120曲线拟合21变邻域搜索121时变系数22双目标无等待流水线作业调度122无人飞行器23动态多种群123支持向量机24入侵检测124惯性权重25克隆选择125恢复容量26克隆复制126微调机制27亲和力127多阈值分割28二进制粒子群算法128多目标优化29web社区129多极值函数30rov编码130在线航迹规划31动态概率进化算子32动态概率粒子群优化模型33动态优化34免疫粒子群35免疫克隆36nw小世界模型37b样务曲线38ason2008年2009年

【微计算机信息】_数据挖掘算法_期刊发文热词逐年推荐_20140725

序号科研热词推荐指数序号科研热词1数据挖掘191数据挖掘2神经网络42关联规则3关联规则43apriori算法4粗糙集34遗传算法5遗传算法25粗糙集6数据融合26入侵检测7数据库27隐私保护8属性约简28决策树9分布式数据挖掘29partition算法10apriori210飞行数据11高光谱111飞行事故12频繁项目集112频繁模式13频繁集113领域词典14非频繁项目集114韵律参数15隐私保护115非线性16防火墙116降维17通信网117销售预测18过滤118遗传爬山算法19诊断系统119误差因子20评价指标模型120误差21蚁群优化算法121语音合成22航材保障122语义词典23聚类123语义web服务24联机分析挖掘124规则挖掘25联机分析处理125行模式26网络路由126蚁群聚类27网络管理127航空安全信息28粗集理论128聚类分析29空间索引129聚类30空间数据的查询130网络对抗31空间数据挖掘131统计分析32空间数据库132约束最大频繁模式33空间关联规则133算法34知识网格134空间数据挖掘35知识发现135税负分析36物谱建模136矩阵压缩37煤矿安全预警系统137盲源分离38烟草商业企业138用户指导39模糊集139独立分量分析40模拟退火算法140特征提取41桶载入141模糊地名匹配42本体142模糊关联规则43时空索引143概念格44时空数据库144核方法45文本挖掘145样本容量46文本分类146查询优化47数据预处理147服务组合48数据挖掘算法148服务外包49故障诊断149有向图50支配150最大频繁项集51支持度151最大匹配52支持向量机152智能交通系统2008年2009年53成交量153映射54序列挖掘154时间效率55对象155时序算法56容差关系156新的度量57孤立点157文本分类58多数据挖掘算法158数据库语义59多发病159数据库水印60外显子160数据库安全61基因重组161数据分类62基因工程162数据仓库63在线监控163数学模型64商务智能164故障诊断65命题可满足性165摘要向量66告警相关性166推荐系统67告警分析167推理问题68可视化界面168抽样69取证169库存管理70协同技术170序列模式71医疗诊断171并行算法72医学图像172并发73分类算法173嵌套链表74分类174属性约束75分布式系统175属性简约76分布式176对称矩阵77决策规则提取177密度聚类78决策表178实时数据缓冲79内含子179实时数据仓库80关联规则算法180实时决策支持系统81关联规则挖掘181孤立点检测82入侵检测182多层83信息熵183多关系数据挖掘84信息处理184多关系关联规则85企业应用185图像分割86代价敏感186启发式87人工神经网络187可视化88产业链188发现技术89云理论189双标注90二进制整数程序设计190压缩矩阵91不完备信息系统191协议识别92web行为挖掘192协同过滤93web关联规则193分组94vega194分簇算法95vb语言195分治策略96skyline查询196分布式异构数据库97r+树索引197分布式98pmr四分树198准时制信息归并99k均值算法199内容认证100gep算法1100元组id传播101es-apriori算法1101信息熵102eclat1102使用挖掘103dbscan1103企业应用集成104crapriori算法1104代理105apriori算法1105交通流预测106aprioh算法1106交通信息服务系统