基于自寻优和交叉寻优的量子优化算法

扫码查看

原文链接

万方数据
维普

中文摘要：为提高群智能优化算法的搜索能力,提出了一种量子优化算法.该算法基于量子位Bloch坐标,将种群分为最优个体和普通个体两部分并进行不同处理,对于最优个体,通过使所有量子比特在Bloch球面上绕着坐标轴多次旋转,生成多个新个体,并采用贪婪搜索策略选择最优个体;对于普通个体,将当前个体的量子比特向着随机交叉确定的目标位置旋转,生成新个体,并在当前个体和新个体之间通过贪婪选择以实现当前个体的交叉寻优.函数极值优化的仿真结果表明,所提算法在优化能力上,优于简单量子遗传算法、普通遗传算法和人工鱼群算法,从而验证了算法的有效性.该算法在高维能很好地避免陷入局部最优值,具有快速收敛性和良好的全局搜索能力,实验结果揭示出采用量子计算设计优化算法进而提升搜索能力的研究思路是可行的.

外文标题：Quantum Optimization Algorithm Based on Self-optimization and Cross-optimization

作者：

曹茂俊、尤文菁、卢玉莹

展开 >

作者单位：

东北石油大学计算机与信息技术学院,黑龙江大庆 163318

关键词：

优化算法自寻优交叉寻优量子衍生算法 Bloch球面坐标

基金：

黑龙江省自然科学基金

项目编号：

LH2019F004

出版年：

2022

DOI：

10.3969/j.issn.1673-629X.2022.07.002

计算机技术与发展

陕西省计算机学会

计算机技术与发展

CSTPCD

影响因子：0.621

ISSN：1673-629X

年,卷(期)：2022.32(7)

参考文献量9