基于動態(tài)策略和新旋轉(zhuǎn)門的量子蟻群算法研究.pdf

1、在多目標組合優(yōu)化問題中，一般量子蟻群算法已被廣泛使用，但是還存在一些不足之處。如在求解Traveling Salesman Problem(TSP)問題時收斂速度較慢，收斂所需迭代次數(shù)較多;在求解工作排序問題時算法收斂速度較慢且不能很好的完成收斂趨勢，從而影響到算法的全局收斂性能。如何解決量子蟻群算法存在的這些缺陷，是相關(guān)研究人員亟待解決的科研問題。
　　本文針對一般量子蟻群算法中存在容易陷入局部最優(yōu)以及算法收斂速度較慢、收斂所需

2、迭代次數(shù)較多等問題，提出了一種改進型量子蟻群算法。首先，在該算法中設(shè)計一種新信息素揮發(fā)因子的自適應(yīng)動態(tài)更新策略，將信息素揮發(fā)因子由固定取值方式變?yōu)楹瘮?shù)控制的動態(tài)取值方式，并且結(jié)合自適應(yīng)因子對信息素進行動態(tài)更新;然后，將受旋轉(zhuǎn)角幅度大小影響較大的傳統(tǒng)量子旋轉(zhuǎn)門更新為一種新的量子旋轉(zhuǎn)門來控制量子概率幅值的收斂趨勢，使其不再收斂到0或者1。通過TSP仿真實驗結(jié)果表明，分別采用自適應(yīng)動態(tài)策略方法更新的算法及新旋轉(zhuǎn)門更新的算法比原算法性能更優(yōu)。同