三元相关性量子行为粒子群优化算法研究

为了提高QPSO算法的收敛性能,在对随机因子进行分析的基础上提出了三元相关性QPSO(TC-QPSO, ternary correlation QPSO)算法。该算法使用正态Copula函数建立了粒子对自身经验信息、群体共享信息以及粒子当前位置与群体平均最好位置的距离信息之间的内在认知和联系,并利用Cholesky平方根公式给出了三元相关因子的生成方法。对测试函数的仿真结果证明,当三元相关因子u与r1或r2之间存在负线性相关关系时,TC-QPSO算法可以获得比标准QPSO算法更好的优化性能。     

路径搜索策略研究

针对城市道路网车辆导航系统中经典Dijkstra最短路径搜索算法中存在的计算效率问题,研究基于启发式策略和双向搜索策略的双向启发式优化搜索算法,并探讨路网的分层搜索策略.采用启发信息减少搜索范围、双向搜索分解搜索空间,从而提高了算法的执行效率.实际路网仿真结果表明:相比经典Dijkstra算法,启发式策略搜索效率可提升70%~80%,双向搜索策略在不损失搜索精度下进一步提高搜索效率5%~10%,而分层搜索策略可以极大提高大规模路网车辆导航长距离下路径搜索效率.