10.16351/j.1672-6987.2017.01.019
函数优化问题的动态并行量子遗传算法
针对传统量子遗传算法在解复杂连续函数优化中存在的早熟收敛、收敛速度慢、计算时间长的问题,提出一种解复杂连续函数优化问题的动态并行量子遗传算法(DPQGA).采用多种群协同进化,每个子种群按照各自的进化目标在不同的搜索区域进化,形成并行搜索方式,加快算法收敛速度,避免早熟收敛;同时设计了一种新的动态量子旋转角的更新策略及量子门调整策略,减少算法的迭代次数;在最优解连续数代无变化时引入灾变算子,使种群保持良好的多样性.通过对5个测试函数的仿真,结果表明,该算法搜索到的最优解较QGA算法更优.与已有算法相比,该算法在收敛速度、迭代次数、全局寻优能力上都有了较大的改进和提高.
复杂连续函数优化、量子遗传算法、动态调整旋转角、协同进化
38
TP18(自动化基础理论)
国家自然科学基金项目61163005
2017-06-28(万方平台首次上网日期,不代表论文的发表时间)
共7页
109-115