典型文献
具有随机扰动机制的改进QPSO算法及其应用
文献摘要：
针对原始量子粒子群优化算法(QPSO)在面对复杂多模函数时容易出现早熟和收敛精度低的情况,提出了一种具有随机扰动机制的改进QPSO算法(MQPSO).在改进算法设计时,首先借鉴了遗传算法中交叉算子的思想,并结合随机扰动操作,对单个粒子的历史最优位置和全局最优位置进行了重新设定,以增强算法在迭代后期的收敛性能,同时维持种群的多样性;其次,对QPSO算法中的重要参数收缩-扩张因子,进行了非线性调整,以提高算法的全局收敛速度和精度.通过8个测试函数,将MQPSO算法与4个现有的改进算法从平均值、标准差和最好取值三个方面进行了对比;进而根据中国证券市场中15只股票的历史数据,分别运用粒子群优化算法、量子粒子群优化算法、布谷鸟搜索、蝙蝠算法和MQPSO算法对一类具有最小最大风险的投资组合优化模型进行数值求解.实验表明:MQPSO算法无论在基准测试中还是在仿真应用上,其计算结果在收敛精度和稳定性方面均优于其他群智能算法.
文献关键词：
量子粒子群优化算法;随机扰动;收敛精度;最小最大型风险
中图分类号：
作者姓名：
何光;卢小丽
作者机构：
重庆工商大学数学与统计学院,重庆400067;重庆工商大学长江上游经济研究中心,重庆400067
文献出处：
引用格式：
[1]何光;卢小丽-.具有随机扰动机制的改进QPSO算法及其应用)[J].重庆工商大学学报（自然科学版）,2022(04):26-31
A类：
MQPSO,最小最大型风险
B类：
随机扰动,量子粒子群优化算法,模函数,早熟,收敛精度,改进算法,算法设计,先借,交叉算子,最优位置,全局最优,增强算法,收敛性能,重要参数,线性调整,全局收敛,收敛速度,测试函数,证券市场,股票,历史数据,布谷鸟搜索,蝙蝠算法,最大风,大风险,投资组合优化,组合优化模型,数值求解,基准测试,仿真应用,群智能算法
AB值：
0.271453
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
