计算机应用研究

作者：刘亚军,陈得宝,邹锋,李峥,王苏霞,

单位：淮北师范大学物理与电子信息学院,安徽淮北235000；

关键词：社会群体优化算法,多子群,量子学习,

基金：国家自然科学基金资助项目(61572224)；安徽省高校自然科学研究重大资助项目(KJ2015ZD36,KJ2016A639)；安徽省自然科学基金资助项目(1708085MF140)；；

社会群体优化（social group optimization，SGO）算法是一种基于社会群体学习而提出的一种新型优化算法。针对社会群体优化算法易于陷入局部最优问题，提出了一种多子群社会群体学习算法（MPSGO）。本算法采用多子群学习方法，对算法两个阶段的个体学习方法进行改进，在维持群体收敛性能的前提下提高群体多样性，同时对部分个体中引入量子学习，使个体学习的有用信息得以增强；此外，每隔一定代数对子群进行随机重组，既能保证各子群个体充分进化，又维持了子群多样性。在设计算法的基础上，分析了其收敛性和多样性；通过与其他四种算法进行对比实验，验证了改进后算法性能更优。

来源：2019年第5期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2019年第5期