排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
2.
针对城市垃圾回收路径规划问题,提出了一种量子布谷鸟协同搜索算法,用于优化最短路径.首先,采用Bloch球面坐标量子编码来扩大解空间;然后设计了一种基于差分进化的量子布谷鸟搜索策略,实现较差个体的改进以及劣势个体与优势个体之间的信息交换,增强全局搜索能力;最后,利用一种局部邻域搜索算法进一步提高解的质量.理论分析了所提算法的收敛性.基于无线传感网络采集数据进行了仿真实验,将量子布谷鸟协同搜索算法与传统遗传算法和量子布谷鸟搜索算法分别比较,求解垃圾回收最短路径问题的最优解和平均解均改进了20%~40%,结果证明了量子布谷鸟协同搜索算法的优越性. 相似文献
3.
为了求解批量流水调度问题(LFSP)的最小化最大完工时间,提出一种量子候鸟协同优化(QMBCO)算法。首先,采用Bloch量子球面编码方案扩大解空间;然后,运用FL算法优化初始解,以弥补传统随机初始解的不足,保证初始种群具有较高的质量;最后,使用候鸟优化(MBO)算法及变邻域搜索(VNS)算法进行迭代,增强算法的全局搜索能力。采用随机生成不同规模的实例仿真,将QMBCO算法与目前较优的离散粒子群优化(DPSO)算法、MBO算法和量子布谷鸟协同搜索(QCCS)算法相比较。结果表明,在两种不同运行时间下QMBCO与DPSO、MBO、QCCS相比产生的最优解平均百分比偏差(ARPD)分别平均下降65%、34%和24%,证明了QMBCO算法的有效性和高效性。 相似文献
1