基于干擾因子的QPSO算法改進及其應用.pdf

1、群體智能算法是一種進化類算法，是解決優(yōu)化問題特別是復雜優(yōu)化問題的有效手段。QPSO是具有全局收斂性的一種新的群體智能算法，并且許多實際應用結果證明，QPSO優(yōu)于一般的粒子群算法(ParticleSwarmOptimization，簡稱PSO)。因此，本文的研究內容對于群體智能的發(fā)展具有一定的學術意義和應用價值。 本文首先闡述了傳統(tǒng)進化算法-遺傳算法(GeneticAlgorithm，簡稱GA)、群體智能算法中的粒子群算法(PSO

2、)和具有量子行為粒子群算法(Quantum-behavedParticleSwarmOptimization，簡稱QPSO)，針對具有量子行為粒子群算法存在的早熟現象，提出了改進的QPSO算法-基于干擾因子的量子粒子群算法(Quantum-behavedParticleSwarmOptimizationWithDisturbance)。 在改進的OPSO算法中引入干擾因子，使得算法能夠持續(xù)地搜索解空間從而提高算法的全局收斂能力，

3、并且能夠有效地避免早熟的發(fā)生。在算法搜索過程中引進了判斷基準一早熟因子，同時對粒子群的早熟因子設置閾值，當無效迭代高于該閾值時，采用干擾因子操作改變群體的搜索空間，跳出局部收斂。通過幾個常用標準測試函數的測試表明，改進的QPSO算法無論是算法性能還是算法穩(wěn)定性都優(yōu)于QPSO和PSO算法，因此可以得出以下結論：QPSO算法引入的干擾因子是解決算法早熟問題的有效途徑。 其次，本文還研究了粒子群算法(PSO)和具有量子行為粒子群算法(

4、QPSO)在圖像插值中的應用。圖像插值是數字圖像處理中的一項基礎性技術，有著廣泛的應用。基于PSO算法和QPSO算法的圖像插值方法，是在以線性最小均方差(LMMSE)所形成的模型中尋找符合條件的最優(yōu)高分辨率圖像估計。圖像插值結果表明，將PSO和QPSO應用于圖像插值中，能夠有效的保護邊緣銳化，抑制虛假信息；在相同迭代次數和粒子群規(guī)模的前提下，QPSO算法能夠得到比PSO算法更優(yōu)的插值圖像。因此，QPSO算法是解決圖像插值問題的一種有效方