2015，51（22）1引言Kennedy 等人在1995年模拟鸟群和鱼群的觅食行为提出了粒子群优化算法（Particle Swarm Optimization ，PSO ）[1]。在算法进化过程中，群体共享最优位置信息；在群体最优位置信息和自身最优信息引导下，通过搜索
多维问题解空间，不断更新自身速度和位置，并不断追随和比较问题空间候选解，最终发现问题的最优解或局部最优解。粒子群算法具有进化方程简单、搜索能力较一种具有自我更新机制的量子粒子群优化算法
奚茂龙1，2，吴小俊2，方伟2，孙俊2
XI Maolong 1，2,WU Xiaojun 2,FANG Wei 2,SUN Jun 2
1.无锡职业技术学院控制技术学院，江苏无锡214121
2.江南大学物联网工程学院，江苏无锡214122
1.School of Control Technology,Wuxi Institute of Technology,Wuxi,Jiangsu 214121,China
2.School of Internet of Things,Jiangnan University,Wuxi,Jiangsu 214122,China
XI Maolong,WU Xiaojun,FANG Wei,et al.Quantum-behaved Particle Swarm Optimization algorithm with self-renewal https://www.doczj.com/doc/7e17993514.html,puter Engineering and Applications,2015,51（22）：1-9.
Abstract ：Life body has limited life in nature ；it will be aging and die with time.The aging mechanism is very important to keep swarm diversity during evolutionary process.For the phenomenon that Quantum-behaved Particle Swarm Optimi-zation （QPSO ）is often premature convergence,self-renewal mechanism is proposed into QPSO,and a leading particle and challengers are introduced.When the leading power of leading particle is exhausted,one challenger will select to be the new leading particle and continues keeping the diversity of swarm with a certain renewal mechanism.Furthermore,global convergence of the proposed algorithm is proved.Finally,the comparison and analysis of results with the proposed method and classical improved QPSO algorithm based on twelve CEC2005benchmark function is given,the simulation results show stronger global searching ability of the modified algorithm.Especially in the seven multi-model test func-tions,the comprehensive performance is optimal.
Key words ：PSO algorithm;quantum behaved;self-renewal mechanism;diversity;global convergence;aging
摘要：自然界中生命体都存在着有限的生命周期，随着时间的推移生命体会出现老化并死亡的现象，这种老化机制对于生命群体进化并保持多样性有重要影响。针对量子行为粒子群（QPSO ）算法中粒子存在老化并使得算法存在早熟收敛的现象，将生命体的自我更新机制引入了QPSO 算法，在粒子群体进化中提出领导者粒子和挑战者粒子，随着群体粒子的老化，当领导者粒子领导力耗尽不能引导群体进化时，挑战者粒子通过竞争更新机制成为新的领导者粒子引导群体进化并保持群体多样性，并证明了算法的全局收敛性。将提出的算法与多种典型改进QPSO 算法通过12个CEC2005benchmark 测试函数进行比较，对结果进行了分析。仿真结果显示，该算法具有较强的全局搜索能力，尤其在7个多峰测试函数中，综合性能最优。
关键词：粒子群算法；量子行为；自我更新机制；多样性；全局收敛；老化
文献标志码：A 中图分类号：TP301.6doi ：10.3778/j.issn.1002-8331.1509-0064
基金项目：国家自然科学基金（No.61170119）；江苏省“青蓝工程”学术带头人培养对象资助。
作者简介：奚茂龙（1977—），男，副教授，博士后，主要研究方向为智能优化算法及应用；吴小俊（1967—），男，教授，博士生导师，
主要研究方向为模式识别与人工智能；方伟（1981—），男，副教授，博士，主要研究方向为群体智能与进化计算；孙俊
（1971—），男，教授，博士，主要研究方向为人工智能、算法设计。E-mail ：wx_xml@https://www.doczj.com/doc/7e17993514.html,
收稿日期：2015-09-04修回日期：2015-10-13文章编号：1002-8331（2015）22-0001-09?博士论坛?
Computer Engineering and Applications 计算机工程与应用
1