首页|基于全面学习的量子分布估计算法

基于全面学习的量子分布估计算法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
量子进化算法采用多个简单概率模型并行搜索的框架结构,从而可尝试引入有效的多模型学习机制以提高算法的探索能力.文中将全面学习的思想引入多量子概率模型的学习,提出基于全面学习的量子分布估计算法.在该算法中,模型的每个分量都可以向不同的目标学习,使得量子概率模型有可能较为全面地从已知较优解中提取知识,以尽可能全面地描述解空间中好的区域,有效提高算法求解复杂优化问题的能力.在典型0-1背包问题上的比较实验充分验证该算法的有效性和先进性.
Quantum-Inspired Estimation of Distribution Algorithm Based on Comprehensive Learning

谭立湘、郭立

展开 >

中国科学技术大学,电子科学与技术系,合肥,230027

量子进化算法 量子概率模型 全面学习 0-1背包问题 组合优化

国家自然科学基金国家自然科学基金广东联合基金

60401015U0835002

2010

模式识别与人工智能
中国自动化学会,国家智能计算机研究开发中心,中国科学院合肥智能机械研究所

模式识别与人工智能

CSTPCDCSCD北大核心EI
影响因子：0.954
ISSN：1003-6059
年,卷(期)：2010.23(3)
  • 9
  • 2