基于蛙跳思想量子编码遗传算法.PDFVIP

基于蛙跳思想的量子编码 遗传算法 1，2 1，2 3 1，2 许 波 ，彭志平 ，余建平 ，柯文德 （1. 广东石油化工学院计算机科学与技术系，广东茂名525000 ；2. 广东高校石油化工过程装备故障诊断与信息化控制 工程技术开发中心，广东茂名525000 ；3. 湖南师范大学数学与计算机科学学院，长沙 410081 ） [摘要] 量子门旋转相位、变异概率大小的确定，是目前制约量子遗传算法效率的两个主要问题。本文提 出一种基于蛙跳思想的量子编码遗传算法（QRGA ），该算法采用自适应的方式对量子旋转门旋转角进行调 整，并基于模糊逻辑将蛙跳的步长进行量化以指导变异概率调整，保证进化的方向性和提高算法效率，对 比实验结果表明算法可以避免陷入局部最优解，并能快速收敛到全局最优解，在运行时间和解的性能上都 取得了较好的效果。 [关键词] 量子编码；量子遗传算法；蛙跳算法；群体智能 [中图分类号] TP393 [文献标识码] A [文章编号] 1009-1742（2014）03-0108-05 比较来确定旋转门的旋转角，种群中各个体以不同 1 前言 速率向最优解进化，以同时实现全局搜索与局部搜 量子遗传算法（QGA ）是近年发展起来的一种 索，引入变异操作以防止算法早熟收敛。张亮等[10] [1] 基于量子计算 原理的概率优化算法，主要是在遗 提出一种基于球面解空间划分的QGA ，引入多区域 传算法（GA ）中引入量子计算的一些概念，使遗传操 并行搜索机制，制定了群间的染色体置换策略，设 作更有效，具有种群规模小但不影响算法性能，同 计了新的量子变异操作，并以种群退化的程度来确 时兼有全局寻优能力强和收敛速度快的特点。Na- 定变异的概率。目前国内外各种QGA 中有关量子 [2] rayanan 等 首次将量子计算理论与进化算法相结 旋转门旋转角的方向和大小几乎都是基于查表法， [3~5] [11] 合，提出了QGA 的概念，Han K H 等 将QGA 用 涉及多路条件判断，从而影响了算法的效率 ；变 于典型组合优化问题——背包问题，实现了组合优 异概率大多采用给定的方式并且在进化过程中不 [12] 化问题的求解，之后关于QGA 的研究成果大量出现 作调整 。 [6] 在各种学术会议与期刊中。张葛祥等 提出一种新 2003 年，Eusuff 等结合混合竞争进化的思想在粒 [13，14] 量子遗传算法（NQGA ），其核心是采用自适应调整 子群算法的基础上提出了混合蛙跳算法（SFLA） 。 搜索网格的策略与量子比特相位比较法更新量子 SFLA 是有限度随机搜索与确定性竞争进化策略的 [7] 门。李盼池 则利用实数变量和量子位构成实数染 有机结合，是一种新型的仿生进化算法。目前该算 色体，并设计了互补变异算子来进化染色体。李士 法已经在一些经典组合优化问题上取得成功应 [8 ，9] 勇等 针