论文部分内容阅读
为了增加全局搜索能力，避免陷入局部最小，在量子粒子群优化算法（QPSO）中引入变异机制，即基于QPSO的特点，用Cauchy分布分别对全局最优和所有个体极值的平均值进行变异。该算法称为带变异算子的量子粒子群优化算法（MQPSO）。通过对一典型的大海捞针类（NiH）问题的试验，证明了MQPSO在全局优化和快速收敛能力上有较大的提高。在此基础上将该算法应用于系统参数辨识中，辨识结果表明该方法具有参数辨识精度高，抗噪声能力强，对输入信号通用性强，也适用于非线性系统参数辫识，具有重要的工程应用价值。