基于云模型的自适应量子免疫克隆算法.pdfVIP

第30卷第4期 计 算 物 理 V01．30，No．4 CHINESE OFCOMPUTATIONALPHYSICS 2013年7月 JOURNAL July，2013 文章编号：1001—246X(2013)04-0627-06 基于云模型的自适应量子免疫克隆算法 马 颖1’2， 田维坚1， 樊养余1 (1．西北工业大学电子信息学院，西安710072；2．西安工业大学电子信息工程学院，西安710032) 摘 要：利用云模型能够兼顾随机性和模糊性的品质，提出一种基于云模型的自适应量子免疫克隆算法．使用云算 子代替通用的量子旋转门这一量子进化算法核心算子用于寻优变异操作；通过控制云算子间的协作，实现算法在 进化过程中对搜索范围的动态调整，使算法具有较强的全局搜索能力；同时，补充针对性的优化方案，有效避免了 算法陷入局部最优．对标准数值优化问题的仿真对比实验表明，该算法具有寻优能力强、搜索精度高、稳定度好等 优点；对非线性系统的参数估计仿真实验，该算法也取得了对参数的高精度有效估计． 关键词：云模型；量子免疫算法；量子计算；函数优化 中图分类号：TP301．6 文献标识码：A U 引吾 量子免疫克隆算法是经典免疫算法等诸多先进算法与量子搜索机制相结合的产物，由于其具有种群规 模小、收敛速度快、全局搜索能力强、不易早熟等优点及在组合优化问题中的良好表现，是近年来研究的热点 之一．针对该算法的优化方案不断的提出，该算法与其他优秀算法如粒子群、退火、神经网络BP等算法的特 质也在不断的融合¨。2，． 云模型理论是由李德毅院士率先提出，该理论实现了定性概念与定量描述之间的不确定转换，是对模糊 理论隶属函数概念的创新与发展，已成功应用到智能控制、数据挖掘、人侵检测、系统评估等领域．近年来，智 能算法领域已开始关注云模型．其中，文献[3—4]提出基于云模型的进化算法，均取得了较传统自适应算法 更佳的寻优结果． 利用云模型在随机性和模糊性两个方面能够很好兼顾这一品质，整合量子免疫克隆算法建模，通过云算 子间的协作，自适应控制免疫算法的进化过程；同时针对性的优化了量子免疫算法过程，提出了一种基于云 模型的量子自适应免疫克隆算法，仿真结果表明提出的算法具有较强的全局搜索能力、较高的搜索精度以及 良好的可靠性． 1算法原理及描述 1．1云理论简介 定义 设丁为论域／／,上的语言值，映射c，(石)：u一[0，1]，Vz∈u，戈一c，(并)，则C，(石)在u上的分布成 为r的隶属云，简称云．当C，(,17)服从正态分布时，称为正态云模型． 正态云模型是一个遵循正态分布规律、具有稳定倾向的随机数集，用期望值E茗、熵En、超熵肌三个 数值来表征．期望值E戈：在数域空间最能够代表这个定性概念的点，反映了云的重心位置．熵En：一方面 反映了在数域空间可被语言值接受的范围；另一方面反映了在数域空间的点能够代表这个语言值的概 率，表示定性概念的云滴出现的随机性．它揭示了模糊性和随机性的关联性．超熵肌：是熵的不确定度 量，即熵的熵，反映了在数域空间代表该语言值的所有点的不确定度的凝聚性，即云滴的凝聚度，如图1 所示． 收稿日期：2012—09—10；修回日期：2013—01—23 基金项目：西安工业大学校长科研基金(XAGDXJJl042)资助项目 作者筒介：马颖(1979一)，男，博士生，工程师，主要研究量子信息、信号处理等，E-mail：innovator@163．corn 万方数据 628 计 算 物 理 第30卷 生成云滴的算法或硬件称为云发生器，本文涉及的云 发生器有以下两个： 1)X条件云发生器 给定云的三个数字特征(Ex，En，lie)、特定的戈。及云滴 数n，产生云滴drop(并。，肛；)，这样的云发生器称为x条件云 发生器． ％数字特征和云滴数 Input：{眈，E，}，胁}，n Output：{(茗。，弘。)，…，(戈o，p。)}％生成n个云滴 Fori=1