论文部分内容阅读
虽然相比较粒子群算法而言,量子粒子群优化算法有着更好的性能,但其仍然面临因过早收敛而陷入局部最优的问题。因此尝试将量子粒子群算法与蝙蝠算法相混合,一方面利用蝙蝠算法中的随机游走策略来避免过早地陷入局部最优,另一方面学习蝙蝠算法中发声速度的变化方式来改变量子粒子群算法中的因子。将所提算法与粒子群优化算法和量子粒子群优化算法经过5个标准测试函数和一个实际模具车间的调度模型的仿真验证,并与粒子群算法和量子粒子群算法进行对比,仿真结果表明了该算法在求解连续型问题和离散型问题的有效性和优越性。