基于分解的多目标量子差分进化算法 - 计算机应用与软件.PDFVIP

第３３卷第８期　　　 计算机应用与软件 Ｖｏｌ３３Ｎｏ．８ ２０１６年８月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ａｕｇ．２０１６ 基于分解的多目标量子差分进化算法 常新功　刘文娟　吕亚丽 （山西财经大学信息管理学院　山西太原０３００３１） 摘　要　　基于分解的多目标进化算法ＭＯＥＡ／Ｄ（ＭｕｌｔｉｏｂｊｅｃｔｉｖｅＥｖｏｌｕｔｉｏｎａｒｙＡｌｇｏｒｉｔｈｍＢａｓｅｄｏｎＤｅｃｏｍｐｏｓｉｔｉｏｎ）具有收敛速度快、分 布性好等特点，但其在非凸函数上的性能有待提高。鉴于量子进化算法在多峰值函数上的优良性能，将ＭＯＥＡ／Ｄ与量子进化算法 相结合，提出基于分解的多目标量子差分进化算法ＱＤＭＯＥＡ／Ｄ（ＱｕａｎｔｕｍＤｉｆｆｅｒｅｎｔｉａｌＭｕｌｔｉｏｂｊｅｃｔｉｖｅＥｖｏｌｕｔｉｏｎａｒｙＡｌｇｏｒｉｔｈｍＢａｓｅｄｏｎ Ｄｅｃｏｍｐｏｓｉｔｉｏｎ）。ＱＤＭＯＥＡ／Ｄ的量子染色体采用实数编码，节省存储空间，加快运算速度。为了加快算法收敛速度并提高算法探测 能力，量子染色体采取差分进化，其变异方式为量子非门。在多个标准测试函数的实验结果表明，该算法改进了ＭＯＥＡ／Ｄ在非凸函 数上的收敛性和分布性。 关键词　　ＭＯＥＡ／Ｄ　量子计算　差分进化　实数编码 中图分类号　ＴＰ３０１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１６．０８．０６２ ＡＱＵＡＮＴＵＭＤＩＦＦＥＲＥＮＴＩＡＬＭＵＬＴＩＯＢＪＥＣＴＩＶＥＥＶＯＬＵＴＩＯＮＡＲＹＡＬＧＯＲＩＴＨＭ ＢＡＳＥＤＯＮＤＥＣＯＭＰＯＳＩＴＩＯＮ ＣｈａｎｇＸｉｎｇｏｎｇ　ＬｉｕＷｅｎｊｕａｎ　ＬüＹａｌｉ （ＦａｃｕｌｔｙｏｆＩｎｆｏｒｍａｔｉｏｎａｎｄＭａｎａｇｅｍｅｎｔ，ＳｈａｎｘｉＵｎｉｖｅｒｓｉｔｙｏｆＦｉｎａｎｃｅａｎｄＥｃｏｎｏｍｉｃｓ，Ｔａｉｙｕａｎ０３００３１，Ｓｈａｎｘｉ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｍｕｌｔｉｏｂｊｅｃｔｉｖｅｅｖｏｌｕｔｉｏｎａｒｙａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｄｅｃｏｍｐｏｓｉｔｉｏｎ（ＭＯＥＡ／Ｄ）ｉｓｆｅａｔｕｒｅｄｂｙｈｉｇｈｃｏｎｖｅｒｇｅｎｃｅｒａｔｅａｎｄｇｏｏｄ ｄｉｓｔｒｉｂｕｔｉｏｎ．Ｈｏｗｅｖｅｒ，ｉｔｓｐｅｒｆｏｒｍａｎｃｅｉｎｎｏｎｃｏｎｖｅｘｆｕｎｃｔｉｏｎｓｉｓｎｏｔｇｏｏｄｅｎｏｕｇｈ．Ｉｎｖｉｅｗｏｆｔｈｅｅｘｃｅｌｌｅｎｔｐｒｏｐｅｒｔｉｅｓｏｆｑｕａｎｔｕｍｅｖｏｌｕｔｉｏｎａｒｙ ａｌｇｏｒｉｔｈｍｉｎｍｕｌｔｉｐｅａｋｆｕｎｃｔｉｏｎｓ，ｗｅｃｏｍｂｉｎｅｄＭＯＥＡ／ＤｗｉｔｈＱＥＡａｎｄｐｒｏｐｏｓｅｄｔｈｅｄｅｃｏｍｐｏｓｉｔｉｏｎｂａｓｅｄｑｕａｎｔｕｍｄｉｆｆｅｒｅｎｔｉａｌｍｕｌｔｉ ｏｂｊｅｃｔｉｖｅｅｖｏｌｕｔｉｏｎａｒｙａｌｇｏｒｉｔｈｍ（ＱＤＭＯＥＡ／Ｄ）．ＴｈｅｑｕａｎｔｕｍｃｈｒｏｍｏｓｏｍｅｏｆＱＤＭＯＥＡ／Ｄａｄｏｐｔｓｒｅａｌｎｕｍｂｅｒｉｎｅｎｃｏｄｉｎｇ，ｔｈｉｓｓａｖｅｓ ｍｅｍｏｒｙｓｐａｃｅａｎｄａｃｃｅｌｅｒａｔｅｓｏｐｅｒａｔｉｏｎｓｐｅｅｄ．Ｉｎｏｒｄｅｒｔｏｓｐｅｅｄｕｐｃｏｎｖｅｒｇｅｎｃｅｓｐｅｅｄａｎｄｉｍｐｒｏｖｅｄｅｔｅｃｔｉｏｎａｂｉｌｉｔｙｏｆａｌｇｏｒｉｔｈｍ，ｔｈｅ ｑｕａｎｔｕｍｃｈｒｏｍｏｓｏｍｅａｄｏｐｔｓｄｉｆｆｅｒｅｎｔｉａｌｅｖｏｌｕｔｉｏｎ，ａｎｄｉｔｓｍｕｔａｔｉｏｎｗａｙｉｓｔｈｅｑｕａｎｔｕｍｎｏｎｇａｔｅ．Ｒｅｓｕｌｔｓｏｆｅｘｐｅｒｉｍｅｎｔｓｏｎｓｅｖｅｒａｌｓｔａｎｄａｒｄ ｔｅｓｔｆｕｎｃｔｉｏｎｓｓｈｏｗｅｄｔｈａｔｔｈｅａｌｇｏｒｉｔｈｍｉｍｐｒｏｖｅｄｔｈｅｃｏｎｖｅｒｇｅｎｃｅａｎｄｔｈｅｄｉｓｔｒｉｂｕｔｉｏｎｏｆＭＯＥＡ／Ｄｉｎｎｏｎｃｏｎｖｅｘｆｕｎｃｔｉｏｎｓ． Ｋｅｙｗｏｒｄｓ　　ＭＯＥＡ／Ｄ　Ｑｕａｎｔｕｍｃｏｍｐｕｔａｔｉｏｎ　Ｄｉｆｆｅｒｅｎｔｉａｌｅｖｏｌｕｔｉｏｎ　Ｒｅａｌｅｎｃｏｄｉｎｇ