一种竞争型量子进化算法

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (9): 18-22.

一种竞争型量子进化算法

乔冬冬，方洋旺，陈少华，彭维仕

空军工程大学航空航天工程学院，西安 710038

出版日期:2016-05-01 发布日期:2016-05-16

Competition quantum evolutionary algorithm

QIAO Dongdong, FANG Yangwang, CHEN Shaohua, PENG Weishi

College of Aerospace Engineering, Air Force Engineering University, Xi’an 710038, China

Online:2016-05-01 Published:2016-05-16

摘要/Abstract

摘要： 针对连续空间数值优化问题，提出了一种竞争型量子进化算法。粒子每次向全局最优和种群均值两个方向分别进化，从而得到两个子粒子。根据“优胜劣汰”原则选择适应度较高者作为下一代。同时，为了保证粒子的多样性，引入了一种自适应变异机制：对适应度较低的粒子以较高概率进行变异，而对适应度较高粒子以较低概率进行扰动。通过5个标准测试函数验证了算法的性能。仿真结果表明，与PAQEA及NVCQEA相比，该算法收敛速度快，收敛精度高，稳定性好。

关键词: 量子进化算法, 双方向进化, 相位角编码, 自适应变异

Abstract: A Competition Quantum Evolutionary Algorithm（CQEA） is proposed in this paper. Every particle changes its position towards to global best and the mean value of the population at each time step. By comparing the two homologous particles it chooses the better one as the next generation. Meanwhile, a kind of self-adapting variation is introduced. For the worse particle, the variable probability is low; for the better one, it is relatively high. Finally, five test functions are used to analyze the property of CQEA. Simulation results show that CQEA has better performance compared with PAQEA and NVCQEA.

Key words: quantum evolutionary algorithm, evolve under double directions, phase angle encoded, self-adapting variation

乔冬冬，方洋旺，陈少华，彭维仕. 一种竞争型量子进化算法[J]. 计算机工程与应用, 2016, 52(9): 18-22.

QIAO Dongdong, FANG Yangwang, CHEN Shaohua, PENG Weishi. Competition quantum evolutionary algorithm[J]. Computer Engineering and Applications, 2016, 52(9): 18-22.

[1]	蔡延光，陈厚仁，戚远航. 变邻域量子烟花算法求解CVRP[J]. 计算机工程与应用, 2019, 55(9): 230-236.
[2]	廖雄鹰1，2，李俊1，2，罗阳坤1，2，李波1，2. 基于自适应变异算子的差分进化算法[J]. 计算机工程与应用, 2018, 54(6): 128-134.
[3]	周丹1，2，吴春明1. 基于改进量子进化算法的特征选择[J]. 计算机工程与应用, 2018, 54(1): 146-152.
[4]	陆亚男，南敬昌，高明明. 改进并行粒子群算法优化RBF神经网络建模[J]. 计算机工程与应用, 2017, 53(14): 45-50.
[5]	李怀俊1，谢小鹏2，肖心远1. 基于粒子熵的参数自适应变异PSO算法研究[J]. 计算机工程与应用, 2014, 50(19): 27-31.
[6]	胡柏瑛，黄德才，陆亿红. 基于前景和量子理论的模糊多属性决策方法[J]. 计算机工程与应用, 2013, 49(18): 120-124.
[7]	杨光军. 基于文化免疫克隆算法的关联规则挖掘研究[J]. 计算机工程与应用, 2013, 49(15): 113-115.
[8]	顾大为，凌君. 一种改进的新颖的粒子群优化算法[J]. 计算机工程与应用, 2011, 47(6): 49-51.
[9]	刘俊芳¹，高岳林². 带自适应变异的量子粒子群优化算法[J]. 计算机工程与应用, 2011, 47(3): 41-43.
[10]	罗涛华，张聪. 听觉信号盲分离的混合粒子群优化算法[J]. 计算机工程与应用, 2011, 47(25): 149-151.
[11]	周涛，张继业. 视频图像的车辆检测与识别[J]. 计算机工程与应用, 2011, 47(19): 166-169.
[12]	王润芳1，张耀军2，裴志松1. 新型的动态粒子群优化算法[J]. 计算机工程与应用, 2011, 47(16): 32-34.
[13]	许川佩，董平，关鉴. 改进量子算法的片上网络映射研究[J]. 计算机工程与应用, 2011, 47(1): 70-73.
[14]	张锐^1，2，张涛³，高辉⁴. RQEA-SVR在交通流预测中的应用[J]. 计算机工程与应用, 2010, 46(9): 241-245.
[15]	许川佩，董祥健. 一种交替游程编码的SOC测试数据压缩方法[J]. 计算机工程与应用, 2010, 46(25): 57-60.