基于种群个体数自适应的多尺度量子谐振子优化算法
优化算法中多种群采样方式可转化为蒙特卡洛对当前函数积分的评估,针对不同子种群对整体评估的差异性,提出子种群规模(个体数)自适应的改进策略,并用于多尺度量子谐振子优化算法(Multi-scale quantum harmonic oscillat-or algorithm,MQHOA)的改进,同时阐述多种群策略所具有的量子特性以及量子隧道效应与寻优性能的相关性.已有的优化算法忽视了动态调节子种群规模对寻优能力的影响,该策略通过动态调节子种群规模,提高适应度差的子种群发生量子隧道效应的概率,增强了算法的寻优能力.将改进后的算法MQHOA-d(Multi-scale quantum harmonic oscillator al-gorithm based on dynamic subpopulation)与 MQHOA 及其他优化算法在 CEC2013 测试集上进行测试,结果表明原算法 MQHOA"早熟"问题在 MQHOA-d 中得到解决,且 MQHOA-d 对多峰函数和复合函数优化具有显著优势,求解误差和计算时间均小于几种经典优化算法.
优化算法、量子隧道效应、动态种群、多种群、蒙特卡洛
49
R766;TP301.6;TP18
2023-08-09(万方平台首次上网日期,不代表论文的发表时间)
共14页
1587-1600