一种新的自适应量子遗传算法研究

doi:10.3778/j.issn.1002-8331.1803-0156

计算机工程与应用 ›› 2018, Vol. 54 ›› Issue (20): 99-103.DOI: 10.3778/j.issn.1002-8331.1803-0156

一种新的自适应量子遗传算法研究

马莹1，王怀晓2，刘贺3，陈志龙1

1.陆军工程大学国防工程学院，南京 210007
2.陆军军事交通学院汽车士官学校，安徽蚌埠 233000
3.海峡之声广播电台，福州 350000

出版日期:2018-10-15 发布日期:2018-10-19

Research on self-adaptive quantum genetic algorithm

MA Ying1, WANG Huaixiao2, LIU He3, CHEN Zhilong1

1.College of Defence Engineering, PLA Army Engineering University, Nanjing 210007, China
2.Automobile NCO Academy, Army Military Transportation University, Bengbu, Anhui 233000, China
3.Voice of the Strait Broadcasting Station, Fuzhou 350000, China

Online:2018-10-15 Published:2018-10-19

摘要/Abstract

摘要： 传统的量子遗传算法是基于二进制编码进行的，每次计算需要进行编码和解码操作，影响了算法的效率。针对这一问题，提出了实数编码的自适应量子遗传算法（RQGA）。首先运用实数和量子比特共同编码，并采用自适应频率的临近算符对编码进行更新，而后运用自适应转角策略更新量子比特串，以保证算法保持搜索性能和求解性能的平衡。最后分别采用二进制遗传算法、二进制量子遗传算法以及实数和量子比特共同编码的自适应量子遗传算法对Schaffer’f6函数进行测试对比，结果表明，实数和量子比特共同编码的自适应量子遗传算法无论在收敛速度还是收敛精度方面都体现了较好的优越性。

关键词: 实数编码, 自适应, 量子, 遗传算法

Abstract: Conventional Quantum Genetic Algorithms（QGAs） are based on binary code so the computation process contains coding and decoding, which affects the efficiency. Real-coded Self-adaptive Quantum Genetic Algorithm（RSQGA） is proposed to solve this problem. Firstly, this algorithm introduces real number and quantum bit for coding, and neighbor operators of self-adaptive frequency are applied to update code. Then self-adaptive rotation angle strategy is used to update quantum bit string to keep the balance between exploration and exploitation. Finally, binary code genetic algorithm, binary quantum genetic algorithm and RQGA are tested by finding the optimal solution of Schaffer’f6 function, the result shows that RQGA performs best in convergence speed and accuracy.

Key words: real-coded, self-adaptive, quantum, genetic algorithm

马莹1，王怀晓2，刘贺3，陈志龙1. 一种新的自适应量子遗传算法研究[J]. 计算机工程与应用, 2018, 54(20): 99-103.

MA Ying1, WANG Huaixiao2, LIU He3, CHEN Zhilong1. Research on self-adaptive quantum genetic algorithm[J]. Computer Engineering and Applications, 2018, 54(20): 99-103.

[1]	马珺，王昱皓. 结合自适应更新策略和再检测技术的跟踪算法[J]. 计算机工程与应用, 2021, 57(9): 217-224.
[2]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[3]	侯旋，薛飞，陈涛. 无人机目标检测量子多模式识别优化算法[J]. 计算机工程与应用, 2021, 57(7): 228-236.
[4]	邹杰，李俊. 多策略协方差矩阵学习差分进化算法[J]. 计算机工程与应用, 2021, 57(7): 78-87.
[5]	赵林锁，马瑞强，姜天，宋宝燕，潘一山. 两级回归的流式大数据事件自适应预警方法[J]. 计算机工程与应用, 2021, 57(7): 88-94.
[6]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[7]	倪宗军，陈辉，张昀，苏敏，郑秀娟. 自适应去噪的非接触式生理参数检测方法[J]. 计算机工程与应用, 2021, 57(5): 153-160.
[8]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[9]	陈世明，林子朋，高彦丽，裴惠琴. 自适应耦合权重下的异质群体一致性研究[J]. 计算机工程与应用, 2021, 57(4): 231-235.
[10]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[11]	王芙银，张德生，张晓. 结合鲸鱼优化算法的自适应密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(3): 94-102.
[12]	陈明月，刘三阳. 自适应流形学习在故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(3): 247-252.
[13]	徐辰华，骆珠光，吴冠宏，刘斌. 基于正弦因子和量子局部搜索的灰狼优化算法[J]. 计算机工程与应用, 2021, 57(24): 83-89.
[14]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[15]	李雅，侯彦东，刘畅. 基于故障程度的自适应优化容错控制[J]. 计算机工程与应用, 2021, 57(23): 295-302.

一种新的自适应量子遗传算法研究

Research on self-adaptive quantum genetic algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics