求解离散优化问题的元胞量子狼群演化算法

针对离散空间优化问题，提出了求解离散优化问题的元胞量子狼群演化算法，首先，为了提高算法的全局收敛速度，采用双策略量子位初始化方法和滑模交叉方法，分别生成量子狼群初始位置和产生头狼，实现种群多样性；其次，为了描述头狼与猎物间的距离以及增强狼群的遍历范围，采用二进制编码方式和元胞自动机中的演化规则，分别实现狼群中个体狼与猎物距离的精确描述和量子旋转角的选取调整；然后，为了证明该算法的收敛性能，采用泛函分析方法，实现了算法全局收敛性能的验证；最后，通过6个标准测试函数的仿真实验，并与狼群算法以及量子狼群算法的优化结果进行比较。实验结果表明，该算法具有较快的收敛速度和较好的全局寻优能力。

Cellular and quantum-behaved wolf pack evolutionary algorithm for solving discrete optimization problems