基于光电平台的多目标优化量子粒子群团队进化策略

摘要： 本文研究了机载光电平台的多目标优化设计，以降低其机械共振、提高稳定性并减轻质量。传统群体智能算法易陷入局部最优，严重影响搜索精度，导致光电平台多目标优化无法满足设计要求。本文提出一种团队进化策略量子粒子群优化算法（TEQPSO），通过交叉序列二次规划与高斯混沌变异算子构成的新型学习策略平衡全局与局部搜索：前者对样本执行局部搜索并对父代个体实施交错操作，后者经高斯混沌变异产生的后代可在搜索空间开拓新区域。在含/不含坐标旋转的多峰测试函数及复合函数实验表明，相比十二种QSO与PSO变体，TEQPSO能更有效利用种群信息，显著提升算法性能。最终将该算法应用于机载光电平台多目标优化设计，实现了振动响应大幅降低、质量显著减轻及刚度特性提升，其搜索精度与综合性能均优于QPSO算法。