基于全面学习的量子分布估计算法

摘要：

量子进化算法采用多个简单概率模型并行搜索的框架结构,从而可尝试引入有效的多模型学习机制以提高算法的探索能力.文中将全面学习的思想引入多量子概率模型的学习,提出基于全面学习的量子分布估计算法.在该算法中,模型的每个分量都可以向不同的目标学习,使得量子概率模型有可能较为全面地从已知较优解中提取知识,以尽可能全面地描述解空间中好的区域,有效提高算法求解复杂优化问题的能力.在典型0-1背包问题上的比较实验充分验证该算法的有效性和先进性.

关键词：量子进化算法、量子概率模型、全面学习、0-1背包问题、组合优化

所属期刊栏目：23

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金60401015;国家自然科学基金广东联合基金U0835002

在线出版日期：2010-09-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：314-319