混合量子進(jìn)化算法研究.pdf

1、演化算法(evolutionary algorithm)是基于生物進(jìn)化論的啟發(fā)式高效搜索算法。遺傳算法作為演化算法的一個(gè)分支，具有很強(qiáng)的魯棒性和全局搜索能力，但是也有一些不足，如局部搜索能力差，容易早熟，收斂速度慢等等。量子進(jìn)化算法是一種基于量子計(jì)算概念的進(jìn)化算法，它吸取了量子計(jì)算中的疊加態(tài)等思想，采用與眾不同的編碼形式和交叉變異方法，取得了不錯(cuò)的效果。 本文研究了經(jīng)典遺傳算法和量子進(jìn)化算法的工作機(jī)理，在此基礎(chǔ)上提出一種新的混合

2、量子進(jìn)化算法。該算法通過雙編碼機(jī)制(經(jīng)典二進(jìn)制編碼和量子概率編碼)，以及經(jīng)典交叉和量子概率編碼更新策略，實(shí)現(xiàn)了經(jīng)典遺傳算法與量子進(jìn)化算法的有機(jī)結(jié)合，在發(fā)揮經(jīng)典遺傳算法全局優(yōu)化能力的同時(shí)，利用量子概率搜索提高了算法的局部搜索能力。通過一組(23個(gè))典型函數(shù)優(yōu)化實(shí)驗(yàn)對(duì)該算法的性能進(jìn)行了考察，并與QEA進(jìn)行了比較，實(shí)驗(yàn)結(jié)果表明本文算法相比量子演化算法，在性能上有明顯提高。 通過實(shí)驗(yàn)研究了交叉概率和變異概率、旋轉(zhuǎn)角度、群體規(guī)模、采樣和更