摘要：提出一种基于演化历史信息的自变异协同量子行为粒子群优化算法（ESH-CQPSO）.该算法采用二维空间分割树结构记录群体演化过程中的位置和适应值,借助群体之间的协同机制确保增强搜索能力,提高优化性能,防止过早收敛.通过空间分割机制可以获得一个快速的近似适应度函数.这个近似值可以提高ESH-CQPSO中的变异策略,使得相应的变异操作是一种无参数、多样性的自适应变异.对比其他传统算法,通过对标准测试函数的实验结果表明,ESH-CQPSO算法在处理多峰和单峰测试函数时具有更好的优化性能,收敛精度和收敛速度都得到了提高,证明该算法的有效性.

关键词：量子行为粒子群优化 演化历史信息 自适应变异 二维空间分割 协同方式 

单位：无锡环境科学与工程研究中心; 江苏无锡214063; 江南大学物联网工程学院; 江苏无锡214122