Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Semi-Markov Model of a Swarm Functioning Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Multi-scale Quantum Harmonic Oscillator Algorithm with Individual Stabilization Strategy

verfasst von : Peng Wang, Bo Li, Jin Jin, Lei Mu, Gang Xin, Yan Huang, XingGui Ye

Erschienen in: Advances in Swarm Intelligence

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Multi-scale quantum harmonic oscillator algorithm (MQHOA) is a novel global optimization algorithm inspired by wave function of quantum mechanics. In this paper, a MQHOA with individual stabilization strategy (IS-MQHOA) is proposed utilizing the individual steady criterion instead of the group statistics. The proposed strategy is more rigorous for the particles in the energy level stabilization process. A more efficient search takes place in the search space made by the particles and improves the exploration ability and the robustness of the algorithm. To verify its performance, numerical experiments are conducted to compare the proposed algorithm with the state-of-the-art SPSO2011 and QPSO. The experimental results show the superiority of the proposed approach on benchmark functions.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Optimization of Steering Linkage Including the Effect of McPherson Strut Front Suspension
Literatur
1.
Kirkpatrick, S.: Optimization by simulated annealing: quantitative studies. J. Stat. Phys. 34(5–6), 975–986 (1984)MathSciNetCrossRef
2.
Holland, J.H.: Erratum: genetic algorithms and the optimal allocation of trials. SIAM. J. Sci. Comput. 2(2), 88–105 (1973)CrossRef
3.
Dorigo, M., Maniezzo, V., Colorni, A.: Ant system: optimization by a colony of cooperating agents. IEEE Trans. Syst. Man. Cybern. A. 26(1), 29–41 (1995)CrossRef
4.
Kennedy, J., Eberhart, R.: Particle swarm optimization. In: IEEE ICNS 1995, vol. 4, pp. 1942–1948 (2002)
5.
Li, J., Tan, Y.: Loser-out tournament based fireworks algorithm for multi-modal function optimization. IEEE Trans. Evol. Comput. PP(99), 1 (2017)
6.
Tan, Y., Zhu, Y.: Fireworks algorithm for optimization. In: ICSI, pp. 355–364 (2010)
7.
Shi, Y.: Brain storm optimization algorithm. In: ICSI, pp. 303–309 (2011)
8.
Chuang, I.L., Vandersypen, L.M., Zhou, X., et al.: Experimental realization of a quantum algorithm. Nature 393(6681), 143–146 (1998)CrossRef
9.
Finnila, A.B., Gomez, M.A., Sebenik, C., Stenson, C., Doll, J.D.: Quantum annealing: a new method for minimizing multidimensional functions. Chem. Phys. Lett. 219(5–6), 343–348 (1994)CrossRef
10.
Han, K.H.: Quantum-inspired evolutionary algorithm for a class of combinatorial optimization. IEEE Trans. Evol. Comput. 6(7), 580–593 (2002)CrossRef
11.
Rylander, B., Soule, T., Foster, J.A., et al.: Quantum genetic algorithms. In: GECCO, p. 373 (2000)
12.
Draa, A., Batouche, M., Talbi, H.: A quantum-inspired differential evolution algorithm for rigid image registration. In: ICCI 2004, pp. 408–411 (2004)
13.
Sun, J., Xu, W., Feng, B.: A global search strategy of quantum-behaved particle swarm optimization. In: IEEE CIS, vol. 1, pp. 111–116 (2004)
14.
Wang, P., Huang, Y., Ren, C., et al.: Multi-scale quantum harmonic oscillator for high-dimensional function global optimization algorithm. Chin. J. Electron. 41(12), 2468–2473 (2013)
15.
Wang, P.C., Wang, P.C., Qian, X.: Simulated harmonic oscillator algorithm and its global convergence analysis. Comput. Eng. 39(3), 209–212 (2013)
16.
Zj, L., Jx, A., Wang, P.: Partition-based MQHOA for multimodal optimization. Acta Automatica Sinica 42(2), 235–245 (2015)
17.
Wang, P., Huang, Y.: Physical model of multi-scale quantum harmonic oscillator optimization algorithm. J. Front. Comput. Sci. Chi. 1271–1280 (2015)
18.
Haitao, Y., Wang, P., Zi, L.: Optimized k-means clustering algorithm based on simulated harmonic oscillator. Comput. Eng. Appl. 48(30), 122–127 (2012)
19.
Mu, L., Qu, X., Wang, P.: Application of multi-scale quantum harmonic oscillator algorithm for multifactor task allocation problem in WSANs. In: ICIVC, pp. 1004–1009 (2017)
20.
Wang, P., Huang, Y.: MQHOA algorithm with energy level stabilizing process. J. Commun. 37(7), 79–86 (2016)
21.
Lorenzo, S., Giuseppe, E.S., Erio, T.: Optimization by quantum annealing: lessons from simple cases. Phys. Rev. B. 72(1), 014303 (2005)
Metadaten
Titel
Multi-scale Quantum Harmonic Oscillator Algorithm with Individual Stabilization Strategy
verfasst von
Peng Wang
Bo Li
Jin Jin
Lei Mu
Gang Xin
Yan Huang
XingGui Ye
Copyright-Jahr
2018
Buch
Advances in Swarm Intelligence

Print ISBN: 978-3-319-93814-1

Electronic ISBN: 978-3-319-93815-8

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-93815-8_59

Premium Partner

    Bildnachweise