%0 Journal Article
%T Quantum continuous particle swarm optimization algorithm and its application<br>量子连续粒子群优化算法及其应用
%A LV Qiang
%A CHEN Ru-qing
%A YU Jin-shou
%A <br>吕 强
%A 陈如清
%A 俞金寿
%J 系统工程理论与实践
%D 2008
%I 
%X 提出了基于量子理论的连续粒子群优化(Continuous Particle Swarm Optimization based on Quantum Methodology, CPSO-QM)算法,主要是采用了量子理论中的叠加态特性和概率表达特性.其中,叠加态特性可以使单个粒子表达更多的状态,潜在地增加了种群的多样性;概率表达特性是将粒子的状态以一定的概率表达出来.在基准函数的实验测试中,对比其它常用算法,结果显示本文提出的算法性能较好.在实际应用中,以丙烯腈反应器作为建模研究对象,提出了三种进化策略,实验结果显示,这三种策略训练的神经网络软测量模型都可以较好地预测丙烯腈的收率.
%K 进化算法
%K 粒子群
%K 量子计算
%K 软测量模型
%K 量子
%K 连续
%K 粒子群优化算法
%K 应用
%K application
%K optimization
%K algorithm
%K swarm
%K particle
%K continuous
%K 预测
%K 软测量模型
%K 神经网络
%K 策略训练
%K 实验测试
%K 进化策略
%K 对象
%K 建模研究
%K 反应器
%K 丙烯腈
%K 算法性能
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=01BA20E8BA813E1908F3698710BBFEFEE816345F465FEBA5&cid=962324E222C1AC1D&jid=1D057D9E7CAD6BEE9FA97306E08E48D3&aid=943E3A86D3330B5818AA2BCCA75BCF44&yid=67289AFF6305E306&vid=D3E34374A0D77D7F&iid=94C357A881DFC066&sid=B62E0EEFE746E568&eid=B47A0E731AF43EB2&journal_id=1000-6788&journal_name=系统工程理论与实践&referenced_num=0&reference_num=12