量子扩展蚁群连续优化改进算法

摘要：

针对扩展蚁群算法收敛精度不高、容易陷入局部最优和出现收敛停滞等缺点,提出量子扩展蚁群连续优化改进算法.分析扩展蚁群算法可行解的更新与产生机制;在此基础上,引入量子比特作为蚂蚁位置信息的载体,增加解的多样性;采用云模型自适应产生高斯核函数采样的标准差,优化高斯采样结果,加速优化进程和最优解的搜索;根据优化进程自适应调整采样函数的选择概率,丰富采样的样本;结合云模型控制的变异策略及量子非门等局部寻优手段,有效避免种群早熟.

关键词：云模型、量子扩展蚁群算法、量子计算、连续优化、自适应

所属期刊栏目：36

分类号：TP301.6(计算技术、计算机技术)

资助基金：西安工业大学校长科研基金项目XAGDXJJ1042

在线出版日期：2015-11-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2549-2554,2590