量子衍生萤火虫搜索算法.pdfVIP

总第331 期 计算机与数字工程 Vol.45 No. 5 Computer Digital Engineering 797 2017 年第5 期 计算机与数字工程 2017 年第5 期 量子衍生萤火虫搜索算法∗ 刘显德 于瑞芳 李滨旭 赵思远 李盼池 （东北石油大学计算机与信息技术学院 大庆 163318） 摘 要 为提高萤火虫搜索算法的寻优能力，通过在经典萤火虫搜索算法中引入量子计算机制，提出了一种量子衍生 萤火虫搜索算法。该算法采用量子比特编码个体，采用泡利矩阵确定旋转轴，采用传统萤火虫飞行原理确定旋转角度，采用 量子比特在Bloch球面上的绕轴旋转实现个体更新。标准函数极值优化的实验结果表明，与传统萤火虫搜索算法相比，该算 法的搜索能力确有明显提升。 关键词 仿生智能优化；群智能优化；萤火虫算法；量子衍生优化；算法设计 中图分类号 TP183 DOI：10. 3969/j. issn. 1672-9722. 2017. 05. 002 Quantum-InspiredFireflySearchAlgorithm LIUXiande YURuifang LIBinxu ZHAOSiyuan LIPanchi （School of Computer and Information Technology，Northeast Petroleum University，Daqing 163318） Abstract In order to improve the search ability of firefly search algorithm，by introducing the quantum computing mechanism into the classical firefly search algorithm，a quantum-inspired firefly search algorithm is proposed. In the proposed algorithm，the qubits are used to encode individuals，the Pauli matrixes are employed to determine rotation axis，the firefly flight principle is app⁃ plied to obtian rotation angle，and the rotation of the qubits on the Bloch sphere is used to update the individuals. The experimental results of extreme optimization of benchmark test functions show that the proposed algorithm is obviously superior to the classical firefly search algorithm in optimization ability. KeyWords bionic intelligent optimization，swarm intelligence optimization，firefly algorithm ，quantum-inspired optimiza⁃ tion ，algorithm design ClassNumber TP183 法的改进方面，文献［2］提出了变步长萤火虫算法， 1 引言 改进了标准萤火虫算法在所有迭代步中采用固定 2008 年，英国剑桥大学学者提出了一种新的 步长的缺陷；文献［3］提出了控制参数的自适应改 启发式智能优