改进量子遗传算法在多峰值函数寻优中的应用

针对标准量子遗传算法(QGA)在寻找多峰值最优时存在局部寻优能力较差和易早熟的缺陷,提出一种改进量子遗传算法(QQGA),运用基于概率划分的小生境协同进化策略初始化量子种群,并采用动态量子旋转角调整策略来加快收敛速度;加入量子移民和保优选择策略,提高规划效率,避免陷入局部最优。利用复杂二元函数测试改进量子遗传算法,结果比标准量子遗传算法效率高。     

改进量子遗传算法用于多峰值函数优化

传统遗传算法（SGA）在处理多峰值函数优化问题中存在局部收敛性的问题,最初的量子遗传算法（QGA）也存在这一问题。运用一种改进量子遗传算法（MQGA）,有效地解决了一些多峰值函数的优化问题。根据几个重要的测试函数进行仿真实验结果证明,与SGA和QGA相比,改进的量子遗传算法（MQGA）在一些多峰值优化问题中更具有效性和可行性。     

多宇宙并行量子衍生遗传算法研究

将量子的多宇宙特性和遗传算法相结合,提出了多宇宙并行量子衍生遗传算法。算法中将种群分成若干个独立的子群体,称为宇宙。给出了不同宇宙数量下的并行拓朴结构,提出了宇宙内采用量子旋转门演化和量子变异,宇宙间采用移民和量子交叉的两种信息交互方式,能有效克服早熟收敛现象,使得搜索效率和搜索能力得到更进一步提高。典型函数优化实验验证了该文所提算法的有效性。     

一种基于改进遗传算法的多峰函数优化研究

本文针对多峰函数优化问题,提出了一种基于排序的遗传算法,该算法对原有遗传算法的编码方式、选择算子、交叉算子及变异算子进行了改进,增加了灾变算子及精度调整环节。使搜索效率有了较大提高,较好地避免了系统,在实例运行中体现出优良特性。     

基于新型免疫算法的多峰函数优化

针对目前多峰函数优化问题较难找到全部局部最优解的情况,提出了改进的免疫优化求解方法。借鉴免疫系统的受体编辑操作、Baldwin效应,设计了相应的算子,增强了算法的学习能力,提高了算法的收敛速度。实验结果表明,本算法求解精度较高,提高了多峰函数寻优的精度。     

基于混沌序列的多峰函数微粒群寻优算法

基于混沌序列的多峰函数微粒群寻优算法的目标就是找到多峰函数的所有局部优化峰值。在分析微粒群优化算法中各个参数对微粒运动影响的基础上,对微粒群算法进行改造,让微粒运动从初始位置沿优化函数曲线向优化峰值方向爬行,直至找到所在区域的局部优化峰值;要想求得尽可能多的局部优化峰值,就要求微粒群中微粒的初始位置分布具有随机性和遍历性,为此采用混沌序列设置微粒初始位置;为使每一个局部最优值点都可能有微粒群中的微粒经过,采用变步长的迭代计算;为防止优化函数曲线的某些局部峰附近没有微粒分布,从而漏掉该局部峰值,对计算进行重复,直至两轮求得的优化函数的局部峰值之差小于给定阈值。仿真结果表明,该算法具有很好的局部寻优特性,计算过程简捷,寻优效果良好,可有效地应用于多峰函数的局部寻优并求取全局最优值。     

基于偏序关系的遗传算法求解多峰函数优化问题

该文设计了基于偏序关系的演化算法求解多峰函数优化问题新算法。并从偏序关系的性质出发,从理论上为该算法的收敛性提供了一定的依据,进而为其搜索操作提供了明确的方向,避免了演化搜索过程中的盲目性。     

多元多峰值目标函数在MATLAB中的优化

采用MATLAB的遗传算法,利用强大的数学计算能力和遗传工具箱,在全局搜索空间内寻找极值点,能够有效地对多元多峰值函数进行优化,避免了利用传统优化方法在多元多峰值函数优化过程中陷入局部极值点的优化误区。同时简要介绍了遗传算法的特点、流程和优化工具箱,通过实际编程优化,说明基于MATLAB的遗传算法是一种具有良好的全局寻优的优化工具。     

一种改进的量子遗传算法及其应用

针对基于Bloch球面坐标编码的量子遗传算法应用中的优化效率低和局部寻优较差能力问题,提出2点改进措施：在比较种群的基础上将局部搜索与全局搜索相结合;依据三链特性将搜索空间扩展为3Bloch球面空间。将改进算法应用于多变量函数极值优化问题,仿真结果表明,该改进算法寻优代数小、收敛速度快、效率高,并且具有较好的种群多样性,验证了改进措施的有效性。     

改进量子遗传算法在函数寻优中的应用

标准的量子遗传算法容易陷入局部最优,且在定义域范围较广的函数寻优中易出现优化精度不高的情况。将量子交叉与模拟退火操作适当地加入量子遗传算法中可以有效地避免算法陷入局部最优解。根据第一次的优化结果,缩小算法寻优区域,以提高算法寻优的精确度。最后对其用复杂二元函数进行测试,计算结果表明,通过该改进方式明显提高了优化算法的性能。     

一种带修复函数的QGA及其在背包问题中的应用

提出了一种带修复函数的量子遗传算法来求解背包问题。该算法采用量子比特概率编码方式构造染色体，由量子旋转门操作实现种群进化。在求解背包问题时，采用修复函数来修正不可行编码。文中给出了该算法的具体实现方法和流程，并用几个典型背包问题实例对其进行测试，结果表明带修复函数的量子遗传算法在求解背包问题时，综合性能优于传统遗传算法。     

基于量子遗传算法的物流管理信息系统

研究了量子遗传算法(QGA)的发展现状,运用量子遗传算法来解决物流管理系统中的成本问题,在应用程序中进行资源控制,设计了安全认证模式,并以每个人的身份进行系统权限的分配,进行了与企业运营成本有关的优化,包括装配车优化等.对开发的应用系统进行了具体的性能和实现技术方面的分析.该系统已在某物流公司应用至今,取得了较好效果.     

基于量子遗传混合算法的泊位联合调度

为了提高集装箱港口服务效率,减少船舶服务的拖期费用,针对港口硬件（泊位、拖轮、岸桥）既定条件下的拖轮-泊位联合调度问题,新建了以最小化总体船舶在港时间和总拖期时间为目标的数学模型,设计了一种混合算法进行求解。首先,分析确定了将量子遗传算法（QGA）和禁忌搜索（TS）算法进行串行混合的策略;然后,依据该联合调度问题特点,在解决算法实施中的关键技术问题（染色体结构设计和测量、遗传操作、种群更新等）的同时,采用了动态量子旋转门更新机制;最后,用生产实例验证了算法的可行性及有效性。算法实验结果表明,与人工调度结果相比,混合算法的总体船舶在港时间和总拖期时间分别减少了24%和42.7%;与遗传算法结果相比,分别减少了10.9%和22.5%。所提模型及算法不仅能为港口船舶的入泊、离泊和装卸作业环节提供优化作业方案,而且能增强港口竞争力。     

基于改进量子遗传算法的云计算资源调度

针对云计算环境下资源的高效调度问题,当前研究较少关注云服务提供商的服务成本,为此,以云服务提供商降低最小服务成本为目的,提出了改进量子遗传算法的云资源调度算法。由于采用二进制量子位表示的染色体无法描述资源调度矩阵,该算法将量子位的二进制编码转换为实数编码,并使用旋转策略和变异算子保证算法的收敛性。通过仿真实验平台将此算法与遗传算法和粒子群算法进行比较分析,在种群迭代次数为100的情况下,分别取种群数为1和10,实验结果表明该算法能取得更小的最小服务成本。     

一种基于云模型的改进型量子遗传算法*

针对量子遗传算法在函数优化中易陷入局部最优和早熟收敛等缺点,采用云模型对其进行改进,采用量子种群基因云对种群进化进行定性控制,采用基于云模型的量子旋转门自适应调整策略进行更新操作,使算法在定性知识的指导下能够自适应控制搜索空间范围,能在较大搜索空间条件下避开局部最优解。典型函数对比实验表明,该算法可以避免陷入局部最优解,能提高全局寻优能力,同时能以更快的速度收敛于全局最优解,优化质量和效率都要优于遗传算法和量子遗传算法。     

量子遗传算法的变尺度混沌优化策略研究*

针对量子遗传算法（QGA）易陷入局部极值、具有早熟收敛等问题,分析了QGA的流程,从全局搜索和局部搜索两个层面探讨了QGA的改进策略,提出了一种新的算法。该算法利用混沌运动的遍历性和随机性进行全局搜索,同时利用梯度信息对QGA的量子更新过程环节进行优化。典型函数测试分析表明,该方法的综合性能明显优于量子遗传算法及遗传算法。     

一种基于免疫和Hopfield神经网络的多峰值优化算法

分析了免疫算法和Hopfield神经网络的优缺点,提出了一种解决多峰值函数优化问题的混合算法。Hopfield神经网络易于硬件实现,具有简单、快速的优点,但是对初始值具有依赖性以及容易陷入局部极值。免疫算法具有识别多样性的特点,但搜索效率和精度不高。将两算法结合起来,优势互补。首先用免疫算法寻优,然后对所得具有全局多样性的解进行聚类分析,所得聚类中心作为Hopfield神经网络的初始搜索点,最后利用Hopfield神经网络逐个寻优。实验表明,该算法是一种有效的求解多峰函数优化问题的方法,与免疫算法相比,搜索效率和精度都较高。     

改进和声搜索算法及其在连续函数优化中的应用

针对一般和声搜索(HS)算法在求解连续函数优化问题时存在的困难,提出一种改进的多样化和声搜索(IDHS)算法。该算法借鉴模拟退火算法的思想对参数的更新方式作出调整,并且限制保存在和声记忆矩阵中的一致和声的数量以增加解的多样性。数值仿真结果表明,与其他几种传统的和声搜索算法相比,该方法进一步提高了计算精度和收敛速度,以及全局寻优能力。