一种改进的量子遗传算法研究
合集下载
一种基于云模型的改进型量子遗传算法
许 波 彭志平 余建平。 ， ，
（ ． 东石 ￣４ －学院 计 算机科 学与技 术 系， 东 茂名 ５５０ ； ． 南 师范 大 学 数 学与 计算 机科 学学 院 ， １广 ｋｒ Ｓ－ 广 ２００ ２ 湖 长
沙 ４０ ８ ） １０ １
摘
要 ：针 对量子遗 传 算法在 函数优 化 中易 陷入 局部 最优 和早 熟 收敛 等 缺 点 ， 用云 模 型对 其进 行 改进 ， 用 采 采
ห้องสมุดไป่ตู้
Ａｂｔａ ｔ ｕ ｎ ｍ ｇｎｔ ｌｏ ｔｍ ｆ ｐ ｍｚｔ ｎｉ ｆｎｔ ｎｅｓｙｆ ｌ ｉｔ ｌ ａ ｏｔ ａ ｓｌｔ ｎａｄｔｅｐｅ ａｕｅ ｓｒｃ：Ｑ ａｔ ｅｅ ｃａ ｒｈ ｒｏｔ ｉ ｉ ｕ ｃｏ ａｉ ｌ ｎｏ ｏｌ ｐｉ ｌ ｏｕ ｏ ｎ ｈ ｒｍ ｔｒ ｕ ｉ ｇｉ ｏ ｉ ａｏ ｎ ｉ ｌ ａｓ ｃ ｍ ｉ
（ ． ｅｔ ｆＣ ｍ ｕｅ Ｓｉ ｃ １ Ｄｐ．ｏ ｏ ｐ ｔ ｃ ｎｅ＆ Ｔｃｎｌｇ ｒ ｅ ｅｈ ｏ ｙ，Ｇ ａｇ ｏ ｇ Ｕ ｉ ｒｔ ｅ ｏｈｍｃｌＴｃｎｌ ， ｏｍｉ ｕ ｎ ｄｎ ２０ ０，Ｃ ｉａ ． ｏ ｕ ｎ ｄｎ ｎｖ ｓｙｏ ｔ ｃｅ ｉ ｅｈｏｏ Ｍｎ ｎ Ｇ ａ ｇ ｏｇ５５ ０ ｅ ｉ ｆＰ ｒ ａ ｙ ｇ ｇ ｈｎ ；２ Ｃｌｇ ｏｌ ｅｏ ｔｅ ｔｓ Ｃ ｍ ｕ ｒＳｉ ｃ ， ｕ ａ ｏｍ ｌＵ ｉ ｒｔ，Ｃ ａｇｈ １０ １ ｈｎ ） ｅ ｆＭａ ｍａｉ ＆ ｏ ｐ ￣ ｃ ｎｅ Ｈ ｎ ｎＮ ｒ ａ ｎｖ ｓｙ ｈ ｎｓａ４ ０ ８ ，Ｃ ｉａ ｈ ｃ ｅ ｅ ｉ
Ｉ ｒ ｖ ｄ ｑ ａ ｔｍ ｅ ｅｉ ｌｏ ｉ ｍ ａ ｅ ｎ ｃｏ ｄ ｍｏ ｅ ｈ ｏｙ ｍｐ ｏ ｅ ｕ ｎ ｕ ｇ ｎ ｔ ａｇ ｒｔ ｂ ｓ ｄ ｏ ｌｕ ｄ ｌｔ ｅ ｒ ｃ ｈ
（ ． 东石 ￣４ －学院 计 算机科 学与技 术 系， 东 茂名 ５５０ ； ． 南 师范 大 学 数 学与 计算 机科 学学 院 ， １广 ｋｒ Ｓ－ 广 ２００ ２ 湖 长
沙 ４０ ８ ） １０ １
摘
要 ：针 对量子遗 传 算法在 函数优 化 中易 陷入 局部 最优 和早 熟 收敛 等 缺 点 ， 用云 模 型对 其进 行 改进 ， 用 采 采
ห้องสมุดไป่ตู้
Ａｂｔａ ｔ ｕ ｎ ｍ ｇｎｔ ｌｏ ｔｍ ｆ ｐ ｍｚｔ ｎｉ ｆｎｔ ｎｅｓｙｆ ｌ ｉｔ ｌ ａ ｏｔ ａ ｓｌｔ ｎａｄｔｅｐｅ ａｕｅ ｓｒｃ：Ｑ ａｔ ｅｅ ｃａ ｒｈ ｒｏｔ ｉ ｉ ｕ ｃｏ ａｉ ｌ ｎｏ ｏｌ ｐｉ ｌ ｏｕ ｏ ｎ ｈ ｒｍ ｔｒ ｕ ｉ ｇｉ ｏ ｉ ａｏ ｎ ｉ ｌ ａｓ ｃ ｍ ｉ
（ ． ｅｔ ｆＣ ｍ ｕｅ Ｓｉ ｃ １ Ｄｐ．ｏ ｏ ｐ ｔ ｃ ｎｅ＆ Ｔｃｎｌｇ ｒ ｅ ｅｈ ｏ ｙ，Ｇ ａｇ ｏ ｇ Ｕ ｉ ｒｔ ｅ ｏｈｍｃｌＴｃｎｌ ， ｏｍｉ ｕ ｎ ｄｎ ２０ ０，Ｃ ｉａ ． ｏ ｕ ｎ ｄｎ ｎｖ ｓｙｏ ｔ ｃｅ ｉ ｅｈｏｏ Ｍｎ ｎ Ｇ ａ ｇ ｏｇ５５ ０ ｅ ｉ ｆＰ ｒ ａ ｙ ｇ ｇ ｈｎ ；２ Ｃｌｇ ｏｌ ｅｏ ｔｅ ｔｓ Ｃ ｍ ｕ ｒＳｉ ｃ ， ｕ ａ ｏｍ ｌＵ ｉ ｒｔ，Ｃ ａｇｈ １０ １ ｈｎ ） ｅ ｆＭａ ｍａｉ ＆ ｏ ｐ ￣ ｃ ｎｅ Ｈ ｎ ｎＮ ｒ ａ ｎｖ ｓｙ ｈ ｎｓａ４ ０ ８ ，Ｃ ｉａ ｈ ｃ ｅ ｅ ｉ
Ｉ ｒ ｖ ｄ ｑ ａ ｔｍ ｅ ｅｉ ｌｏ ｉ ｍ ａ ｅ ｎ ｃｏ ｄ ｍｏ ｅ ｈ ｏｙ ｍｐ ｏ ｅ ｕ ｎ ｕ ｇ ｎ ｔ ａｇ ｒｔ ｂ ｓ ｄ ｏ ｌｕ ｄ ｌｔ ｅ ｒ ｃ ｈ
一种改进变尺度混沌优化的模糊量子遗传算法
中围分 类号：Ｐ８ ＴＩ
种 改进 变 尺度 混 沌优 化 的模 糊 量 子 遗传 算 法
膝 皓 ，曹爱增 ，杨 炳儡
（．济南大学信息科 学与工程学院 ，济 南 ２ ０２ ；２ １ ５ ０ ２ ．北京科技大 学信息工程学院 ，北京 １０ ８ ） ０ ０ ３
摘
要 ：针对量 子遗 传算法存在 的易陷入 局部极 小 等问题 ，提 出一种模糊量子遗 传算法 。该算法采用一种 变尺度混沌 优化方法 ，只需 设
第 ３ 卷 第 １ 期 ６ ３
Ｖ Ｌ３ ｏ ６
・
计
算
机
工
程
２１ ００年 ７月
Ｊｕ ｙ ０１ ｌ ２ ０
Ｎｏ １ ．３
Ｃ ｏ ｐｕｔ ｒ Ｅｎｇｉ ｅ ｉ ｇ ｍ ｅ ｎｅ ｒ ｎ
人 工智 能 及识 别技 术 ・
一
文章编号：１ ．４８ ｏ０ ３ ＿ ７ ＿ 文献标识 ０ －３２（ ｌ １ ０ ５ ０ ０ ２ ）— １ — ３ 码：Ａ
２ Ｓ ｈ ｏ ｆｎ ｒ ｔ ｎＥ ｇｎ ｅｉｇ Ｕｎｖ ｒｉ ｔ ｃｅ ｃ ｎ ｅｈ ｏｏ ｙＢ ｉｎ ， ｅ ｉｇ ｌ０ ８ ） ． ｃｏ ｌ ｉｆ ｍａｉ ｎ ｉｅｒ ， ｉｅｓｔ ｏ、 ｉｎｅａ ｄＴｃ ｎ ｌｇ ｅ ｉｇ Ｂ ｉｎ ０ ０ ３ ｏ ｏ ｏ ｎ ｙ Ｓ ｊ ｊ ［ ｓｒ ｃ］Ａｉ ｎ ｔｈ ｒｂｅ ｆ ａ ｔｍ ｎｔ ｇ ｒｈ ＱＧＡ） ｘｓ ａｉ ｅｔ ｇｉｔ ｏａ ｍｉｉ ｍ．ｈｓｐｐ ｒ ｒｓｎｓａｆｚｙ Ａｂｔａｔ ｍｉｇａ ｅｐｏ ｌｍ ｏ ｎｕ Ｇｅ ｅｉ Ａｌｏｉ ｍ（ ｔ Ｑｕ ｃ ｔ ｅ ｉｓｅｓｌ ｇｔｎ ｏｌｃｌ ｎｍｕ ｔｉ ａｅ ｅｅｔ ｕｚ ｔ ｙ ｉ ｎ ｐ
关健词 ：量子遗 传算法 ；混沌优化 ；收敛 策略 ；变尺度 ；模糊 控制
改进的量子遗传算法及其在WMSN覆盖优化中的应用
ＳＧ Ｑ Ａ算法使用量子比特来表示一个基因位。量子比
砺 究 与 开黢
特的表示如式（） １所示， 其中， ∈Ｃ 且满足ｌ ＝ ： ， ＋ １ ｌ
的影响力 ， 促进了优秀信息的传播 ， 并在客观上加速了算
法的收敛， 但另一方面， 所有染色体都向同一个体演化， 那
些带有合理信息的其他染色体很可能 由于暂时的适应度
时， 一个最优染色体来指导群体的 以 进化， 破坏了染色体
的多样性 ， 使得算法很容易收敛到局部最优解。本文分析
了这种方法的不足， 改进了Ｑ Ａ的信息交流方式， Ｇ 进而提
出了一种基于精英组的量子遗传算法 （ ｉ ｒ ｐｂｓ ｅｔ ｇ ｕ ａｅ ｌ ｏ ｅ ｄ
搜索算法 ， 在数据挖掘、 机器学习、 图像处理、 网络优化等
作的过程如式（ ） ４所示：
３ 基 于精 英 组 的量 子 遗 传 算 法
１＝ ｆ ’
・
：
（） ３
３１ 设计思想 ．
从前面的分析可以知道， 每次进化只使用一个染色体
（
比特。式（ ） ４ 中的 ０ 是量子旋转的角度。
２３ 算法流程 ．
］㈩
来指导整个种群是不合适的． 这会导致其他染色体所带有 的合理信息不能在种群中保留， 从而破坏了染色体的多样 多个染色体来指导群体的进化， 这样既可以保证染色体的 多样性， 算法也不容易收敛到局部解。Ｅ Ｇ Ｑ Ａ的信息传播
次将量子计算的相关概念引入到遗传算法的框架中， 提出
了量子 遗传 算法 （ｕｎ ｍ ｇｎｔ ｇｒｈ Ｑ Ａ ７ ｑａｔ ｅｅｃａｏｔ Ｇ ） １ ｕ ｉ ｌ ｉｍ， 。 Ｑ Ａ算法对 Ｇ Ｇ Ａ算法的编码方式与演化操作都进行了改
基于改进量子遗传算法的连续函数优化研究
使 算 法 更 适 于 连 续 函 数 的优 化 。 该 算 法 用 于 几个 典 型 连 续 函
数 的 求 解 ， 试 结 果 表 明 ， 方 法 具 有 良好 的 收 敛速 度和 全 局 测 该
搜 索能 力 ， 综 合性 能优 于 一般 量 子 遗传 算 法 和传 统 遗 传算 法 。 其
新 的量子 旋转 １—— ｆ 对种群 进行 更新操 作 ， ＇ ３ １ 可有 效避免 算法 陷入局 部 最优 解 ， 高算法 的全 局寻 优 能力。 提 将该 算 法应 用
于 几 个 典 型 复 杂 函 数 的 优 化 测 试 结 果 表 明 ，改 进 的 量 子 遗 传 算 法在 对 连 续 函数 进 行 求 解 时 ，综合 性 能 明显 优 于传 统 遗 传 算 法和 一 般 量 子 遗 传 算 法 。
ｔ ｅａｇ ｒｔｍ ｒ ｍ ａｌ ｇｉｔ ｏ ａ ｐ ｉ ｍ， ａ ｄｉ ｒｖ ｅｇｏ ａ ｅ ｒｈｎ ｂｌ ｆｈ ｌｏ ｔｍ ． Ｔｈ ｓ ｅｕｔ ｄｃ ｔ ａ， ｈ ｌｏ ｈ ｆｏ ｆｌｎ ｏｌｃ ｌ ｔ ｉ ｉ ｎ ｏ ｍｕ ｎ ｍｐ ｏ ｅｔ ｌｂ ｌ ａｃ ｉｇａ ｉｔ ｏ ｅａｇ ｒｈ ｈ ｓ ｉ ｙ ｔ ｉ ｅｔ ｔ ｓ ｌ ｉ ｉａｅｔ ｔ ｅ ｒ ｓｎ ｈ
关键 词续 函数 ；优 化
中图法分 类号 ： Ｐ ０ Ｔ３１
文献标 识码 ： Ａ
文章 编号 ：０ ０７２ ２ ０） １ １５０ １０ ．０４（０ ７ ２ ． ９．３ ５
Ｃｏ ｔ ｕ ｕ ｎ ｔ ｎ ｏ ｔ ｉａｉｎ ｂ ｓ ｄ ｏ ｎ ｉ ｏ ｓｆ ｃｉ ｐ ｉ ｚ ｔ ａ ｅ ｎ ｉ ｒ ｖ ｄ ｑ ａ ｔ ｍ ｅ ｅｉ ｌ ｏ ｉ ｍ ｎ ｕ ｏ ｍ ｏ ｍｐ ｏ ｅ ｕ ｎ ｕ ｇ ｎ ｔｃａｇ ｒ ｈ ｔ
一种改进的量子遗传算法
一种改进的量子遗传算法祁正萍;孙合明【期刊名称】《科学技术与工程》【年(卷),期】2012(012)012【摘要】针对量子遗传算法存在储存量大和易陷入局部最优解等问题,提出一种新的量子遗传算法.该算法采用角度编码方式表示染色体,从而减少编码的存储空间.引入小区间方法初始化量子种群,使量子染色体均匀分布于初值空间.利用改进的旋转门对种群进行更新操作.采用动态的量子步长调整策略实现自适应搜索.引入量子交叉和量子变异操作防止早熟问题.通过典型的多峰值函数优化实验,表明该算法具有收敛速度快、全局寻优能力强和计算时间短的特点,可以用于多峰值函数优化问题.%Aimed at the problem of large storage capacity and easily falling into local optimum, a novel improved quantum genetic algorithm is presented. The algorithm adopts an angle-coding method to reduce the storage space of chromosomes. For the quantum chromosomes are distributed averagely in space of initial value, small interval method is used to initialize quanta swarm. It uses the improved quantum rotation gates to renew the population and realizes adaptive search by the adjustment strategy of dynamic quantum step and uses the operation of quantum crossover and quantum mutation to prevent the premature problem. Through the typical multi-peak function optimization test, it shows that the algorithm has the faster convergence rate, the stronger global optimization ability and theshorter computing time. The algorithm can be used for multi-peak function optimization problem.【总页数】5页(P2835-2839)【作者】祁正萍;孙合明【作者单位】河海大学理学院,南京211100;河海大学理学院,南京211100【正文语种】中文【中图分类】TP301.6【相关文献】1.一种改进型边缘检测的混合量子遗传算法 [J], 朱洁;左欣;王朋2.一种基于免疫变异算子的改进型量子遗传算法 [J], 陶杨;韩维;陶春明;胡倩影3.一种基于浓度调节的改进型量子遗传算法 [J], 胡小祥;刘漫丹4.一种改进量子遗传算法在地空反辐射混编群兵力配置优化中的应用 [J], 季军亮; 汪民乐; 商长安; 高嘉乐5.云计算下的一种基于改进的量子遗传算法在资源分配的研究 [J], 毛莉君;王林兵;张燕因版权原因，仅展示原文概要，查看原文内容请购买。
改进的量子遗传算法及其在测试数据生成中的应用
ｐｏａ ｉｔ ａ ｐｉ ｄ ｆ ｕ ｎｕ ｉ ．Ｉ Ｇ ａ ｐ ｌ ｄｉ ｏｔ ｔ ａ ｅ ｅ ｔ ｎ ｈ ｘ ｅｉｅｔ ｏ ｒｅｂｓ ｒ ｒｍ ｒｂｂｌｙ ｍ ｌｕ ｅｏ ｑ ａｔｍ ｂ ｓ Ｑ Ａｗ ｓａｐｉ ｔ ｅ ｔ ｇｎｒ ｉ ．Ｔ ｅｅｐ ｒ ｎｓ ｎｔ ｅ ａｉ ｐｏ ａ ｓ ｉ ｔ ｔ ｅ ｎ ｓｄ ａ ａｏ ｍ ｈ ｃ ｇ
ｅ ｏｕ ｉｎ ｓ ｃ ｎ ， ｔｅ ｉ ａ ｉ ｄ ｖｄ ａｓ ｖ ｌｔ ； ｅ ｏ ｄ ｏ ｈ ｂ ｎ ｒ ｎ ｉ ｉ ｕ ｌ ｙ ｗｅｅ ｒ ｍｕ ａｅ ａｔ ｒ ｔｔｄ ｆｅ ｍｅ ｓ ｒ ｍｅ ｔ ｉｓｅ ｄ ｆ ｔ ｅ ｔａ ｉ ｏ ａ ｘ ｈ ｎ ｅ ｆ ｔ ｅ ａ ｕ ｅ ｎ ， ｎ ｔａ ｏ ｈ ｒ ｄｔ ｎ ｌ ｃ ａ ｇ ｏ ｈ ｉ ｅ
Ｚ Ｕ Ｑ Ｉ Ｎ ｈ － ａ ，Ｚ Ｏ Ｘ ｅｆｎ ＨＯ ｉ，Ｊ Ｇ Ｓ ｕｊ ｎ ＨＡ ｕ － ｇ Ａ ｕ ｅ
（ ｃｏｌｆＣ ｍ ｕｅ Ｓｉ ｃ ｎ ｅｈｏｏｙ ｈｎ ｎｖｒｔ ｎｎ ｎ ｅｈ ｏ ｇ Ｘ ｚｏ Ｓｈｏ ｏ ｏ ｐ ｔ ｃ ｎｅａ ｄＴｃｎ ｌ ，Ｃ ｉａＵ ｉ ｓｙｏ Ｍｉｉｇａｄ Ｔｃｎｌ ｙ ｕｈ ｕ ｒ ｅ ｇ ｅｉ ｆ ｏ Ｍ２ １ ，Ｃ ｉ ） ２ １ １６ ｈｎ ａ
的方 向进化 ， 同时有效地避免 了早 熟现 象 ， 能以更快的速 度搜 索到 目标解。
关键词 ： 量子遗传算 法； 测试数据生成 ； 取反 指导更新 ； 二进 制变异 ； 快速收敛
中图分类 号：Ｔ ３ １５ Ｐ １ ．２ 文献标 志码 ： Ａ
Ｉ ｐ ｏ ｅ ｕａ ｔ ｍ ｅ ｅ ｃ ａ ｇ ｒｔ ｍ ｎ ｔ ｐ ｉ ａ ｏ ｎ ｔ ｓ ｔ ｅ ｒ ｔｏ ｍ ｒ ｖ ｄ ｑ ｎ ｕ ｇ ｎ ｔ ｌ ｏ ｉｈ ａ ｄ ｉｓ ａ ｐｌｃ ｔ ｎ ｉ ｅ ｔｄａ ａ ｇ ｎｅ ａ ｎ ｉ ｉ ｉ
基于改进量子遗传算法的图像边缘检测研究
边 缘 是 图像 最 基 本 的 特 征之 一 ， 缘 包 含 了一 边
副图像的大部分信息 ， 通过边缘信息就可以勾 画出
物体 的几何轮廓特征 ， 传递多种信息 ， 描述物体景象 的重 要 特征 ， 为人 们描 述 或识别 目标 、 释 图像 提供 解 有价值的、 重要的特征参数 。这些信息对人们进行 高层 次 的处 理 （ 图像滤 波、 征描述 、 如 特 模式 识别 等） 有着重要 的影响… 。因此 ， 图像边缘 检测在 图 像处理中显得尤为重要 和关键 。 近年来很多智能算法逐渐应用到图像处理的各
ｇ ｎ ｔｃ ａ ｇ ｒ ｔ ｍ ｅ ｅ ｉ ｌ ｏ ｉｈ
Ｚ ＨＡＮ Ｓ・ ｅ ， ＯＮＧ Ｊ ａ Ｇ ｉｗ ｉＸＩ ｕ ｎ
（ ｕｎ ｕｉ ｏ ｅｅＺ ｕ ａｉｎ４ ３０ ，ｈｎ ） Ｈ ａｇＨ ａ Ｃ ｌ ｇ ，ｈ ｍ ｄａ ６ ０ ０ Ｃ ｉａ ｌ
Ａ ｓ ａ ｔＡｍｉｇａ ｔｅＱ ａｔｍ Ｇ ｎｔ ｌ ｒｈ Ｓｓｏｔｏ ｉｇ ｅｔ ｇｔ ｄ ｅｄｔｃ ｏ ｎａ ａｅ ａ ｍ ｂｔ ｃ： ｉ ｎ ｔｈ ｕ ｎ ｅｅｉ Ａ ｇｉ ｍ ｈｒ ｍｎ ｓ ｎｔ ｒｅ ｅｇ ｅ ｔ ｎｉ ｎｉ ｇ ，ｎｉ — ｒ ｕ ｃ ｏｔ ｃ ｉ ｈ ａ ｅｉ ｍ
数 值 区间 。后 来 中国学 者 提 出 了对 Ｑ Ａ算 法 的改 Ｇ 进 思想 ， 尺 度 混 沌 优 化 方 法 （ ｔｉ ｃｌ ｃａｓ 变 ｍｕ ｔｅｓａ ｈｏ ａｖ ｅ ｏｔ ｚｔｎ ＭＳ Ｏ） 全 局 范 围利 用 混 沌 运 动 的 遍 ｐｉ ａｉ ， Ｃ 在 ｍｉ ｏ 历 性进 行优化 ， 同时在局 部搜 索 中 ， 过结合 梯度 思 通 想， 在量 子更 新 的模 糊控 制方 法上 进行 改进 ， 但是 面 临尺度 变换 选择 和混 沌 状 态 参 数设 置 的缺 点 ， 算 计 时间将 程 维 数 级 增 加 。混 合 量 子 遗 传 算 法 （ ｙｒ ｈｂｉ ｄ ｑａｔｍ ｇｎｔ ｌ ｒｈ Ｈ Ｇ 在 传 统 量 子 遗 传 ｕｎｕ ｅｅｃａ ｏｉ ｍ， Ｑ Ａ） ｉ ｇ ｔ 算 法基 础上 引入 一 个 免疫 算 子 进 行局 部 搜 索 ， 过 通 该 算子 的局 部搜 索 操作 实 现 量 子 内次序 的再 优 化 ， 但 是在 同一 代量 子 种群 中 ， 每个 染 色 体无 法 获得 一 个 专 门为 自己的进化 服务 的量子 变异 概率 。 本 文算 法 的核心是 采用 动态 更新 量子旋 转 角大 小 、 向 ， 算法 运行 初期 ， 方 在 搜索 的范 围较 大 ， 而提 从 高 了算 法 的收敛 速度 ， 而在 算法 运行末 期 ， 搜索 的范 围较小 ， 而实 现 了精 确 搜 索 ， 利 于 寻得 最 优 解 ； 从 有 对量子 遗传 采用 比特 编码 ， 分 利 用 种 群 中 的尽 可 充
量子遗传算法的改进研究及在路由选择问题中的应用
㈡量子遗传算法在求解MIMO盲均衡模型中的应用研究。将量子遗传算法及其改进算法应用于优化求解盲均衡过程中的基于高阶统计量分离准则函数的问题,针对信号与信道的卷积混叠模型,提出一种基于量子遗传算法的盲均衡新算法,通过计算机仿真可以表明,采用量子遗传算法求解盲均衡问题可以得到比经典算法更佳的均衡效果。
本文链接:/Thesis_Y1470040.aspx
作者:王宝伟
学位授予单位:山东师范大学
1.学位论文郭海燕量子遗传算法改进算法研究2005
论文共分六章。第一章为绪论,简要介绍了现代优化方法以及量子计算和量子遗传算法方面的研究。通过讨论量子计算及量子遗传算法的优点,分析了量子遗传算法得以迅速发展的原因。第二章简要介绍遗传算法,介绍了遗传算法的适应度函数,遗传操作的数学基础,及它的遗传操作。第三章简要介绍量子遗传算法,介绍了量子力学基础知识,量子逻辑门,量子位的基本表示方法,量子遗传操作更新,及量子遗传算法流程。第四章提出分组量子遗传算法,通过将个体分层、分组,并将每层按类进行不同的量子计算,对解的空间作了各方试探,保证了染色体的多样性也就保证了解的多样性。第五章提出了基于混沌的量子遗传算法,混沌能不重复地历经一定范围内的所有状态,具有遍历性,同时它的随机性和规律性,使它具有丰富的时空动态。而且它对初值变化具有强烈的敏感性,这使它在搜索过程中避免陷入局部极值。这恰弥补了量子遗传算法的不足与缺陷。本文从这个角度提出一种基于混沌的量子遗传算法,介绍了混沌的概念,混沌的算法和混沌量子遗传算法。第六章提出了基于模糊决策的量子遗传算法,量子遗传算法主要是通过旋转量子门的更新来进化,其中旋转角的大小直接影响优化结果和进化速度,本文将旋转角优化规则模糊化,提出一种基于模糊决策的量子遗传算法。介绍了模糊控制基本知识,模糊量子遗传算法,和基于模糊控制求取旋转角。
本文链接:/Thesis_Y1470040.aspx
作者:王宝伟
学位授予单位:山东师范大学
1.学位论文郭海燕量子遗传算法改进算法研究2005
论文共分六章。第一章为绪论,简要介绍了现代优化方法以及量子计算和量子遗传算法方面的研究。通过讨论量子计算及量子遗传算法的优点,分析了量子遗传算法得以迅速发展的原因。第二章简要介绍遗传算法,介绍了遗传算法的适应度函数,遗传操作的数学基础,及它的遗传操作。第三章简要介绍量子遗传算法,介绍了量子力学基础知识,量子逻辑门,量子位的基本表示方法,量子遗传操作更新,及量子遗传算法流程。第四章提出分组量子遗传算法,通过将个体分层、分组,并将每层按类进行不同的量子计算,对解的空间作了各方试探,保证了染色体的多样性也就保证了解的多样性。第五章提出了基于混沌的量子遗传算法,混沌能不重复地历经一定范围内的所有状态,具有遍历性,同时它的随机性和规律性,使它具有丰富的时空动态。而且它对初值变化具有强烈的敏感性,这使它在搜索过程中避免陷入局部极值。这恰弥补了量子遗传算法的不足与缺陷。本文从这个角度提出一种基于混沌的量子遗传算法,介绍了混沌的概念,混沌的算法和混沌量子遗传算法。第六章提出了基于模糊决策的量子遗传算法,量子遗传算法主要是通过旋转量子门的更新来进化,其中旋转角的大小直接影响优化结果和进化速度,本文将旋转角优化规则模糊化,提出一种基于模糊决策的量子遗传算法。介绍了模糊控制基本知识,模糊量子遗传算法,和基于模糊控制求取旋转角。
改进的量子遗传算法及应用_黄力明
1
,
2
= 100
2 1
2 2
+1
1
2
求解，采用不同量子旋转门调
整策略的量子进化算法运行情况如图 2 至图 5 以及表 2 所示。 说明：算法 qea1 采用本文提出的量子旋转门调整策略， 算法 qea2 采用文献 [4] 中提出的量子旋转门调整策略，算法 qea3 采用文献 [3] 中提出的量子旋转门调整策略， 算法 qea4 采 用文献 [5] 中 IQGA 的量子旋转门调整策略。
=0 0 0 +1 0 0 ±1 ±1 ±1
量子旋转门调整策略有多种方案[3-5]， 其核心思想是： 使当 前解收敛到一个具有更高适应度的染色体。对文献 [3-5] 中的 量子旋转门调整策略进行分析研究，发现文献中量子旋转门 调整策略存在容易出现早熟现象， 算法易收敛于局部极值点； 速度太慢， 甚至会处于停滞状态。其主要原因是： 染色体和当 前最优染色体处于一些特定状态时，染色体中量子比特位并 没有确保向当前最优染色体的量子比特位靠近，由此产生的 新染色体有可能远离当前最优染色体， 影响算法的收敛。 针对以上问题，本文对量子旋转门调整策略进行改进。 改进后的量子旋转门调整策略的核心思想是：确保在任何状 态下以较大的概率使当前解收敛到一个具有更高适应度的染 “0” ， 无论 色体 ( 最优解染色体 )。如果最优解染色体的第 位为 “0” 还是 “1” ，应向顺时针或逆时针方 当前解染色体的第 位是 向移动， 使∣ i∣变大， 同时∣ i∣变小， 以增加取 “0” 的概率 P0 (P0 = ∣ i∣2)， 减小取 “1” 的概率 P1(P1 = ∣ i∣2)； 如果最优解染 “1” ， 无论当前解染色体的第 位是 “0” 还是 “1” ， 色体的第 位为 同时∣ i∣变小， 应向顺时针或逆时针方向移动， 使∣ i∣变大， 以增加取 “1” 的概率 P1(P1 = ∣ i∣2)， 减小取 “0” 的概率 P0(P0 = 这样， 既以较大的概率确保当前解收敛到最优解， 也 ∣ i∣2)。 以一定的概率保持种群的多样性， 保证进化的顺利进行。 图 1 是旋转变异示意图， 当前解染色体的第 位在最优解 染色体的第 位指导下顺时针旋转使 为
,
2
= 100
2 1
2 2
+1
1
2
求解，采用不同量子旋转门调
整策略的量子进化算法运行情况如图 2 至图 5 以及表 2 所示。 说明：算法 qea1 采用本文提出的量子旋转门调整策略， 算法 qea2 采用文献 [4] 中提出的量子旋转门调整策略，算法 qea3 采用文献 [3] 中提出的量子旋转门调整策略， 算法 qea4 采 用文献 [5] 中 IQGA 的量子旋转门调整策略。
=0 0 0 +1 0 0 ±1 ±1 ±1
量子旋转门调整策略有多种方案[3-5]， 其核心思想是： 使当 前解收敛到一个具有更高适应度的染色体。对文献 [3-5] 中的 量子旋转门调整策略进行分析研究，发现文献中量子旋转门 调整策略存在容易出现早熟现象， 算法易收敛于局部极值点； 速度太慢， 甚至会处于停滞状态。其主要原因是： 染色体和当 前最优染色体处于一些特定状态时，染色体中量子比特位并 没有确保向当前最优染色体的量子比特位靠近，由此产生的 新染色体有可能远离当前最优染色体， 影响算法的收敛。 针对以上问题，本文对量子旋转门调整策略进行改进。 改进后的量子旋转门调整策略的核心思想是：确保在任何状 态下以较大的概率使当前解收敛到一个具有更高适应度的染 “0” ， 无论 色体 ( 最优解染色体 )。如果最优解染色体的第 位为 “0” 还是 “1” ，应向顺时针或逆时针方 当前解染色体的第 位是 向移动， 使∣ i∣变大， 同时∣ i∣变小， 以增加取 “0” 的概率 P0 (P0 = ∣ i∣2)， 减小取 “1” 的概率 P1(P1 = ∣ i∣2)； 如果最优解染 “1” ， 无论当前解染色体的第 位是 “0” 还是 “1” ， 色体的第 位为 同时∣ i∣变小， 应向顺时针或逆时针方向移动， 使∣ i∣变大， 以增加取 “1” 的概率 P1(P1 = ∣ i∣2)， 减小取 “0” 的概率 P0(P0 = 这样， 既以较大的概率确保当前解收敛到最优解， 也 ∣ i∣2)。 以一定的概率保持种群的多样性， 保证进化的顺利进行。 图 1 是旋转变异示意图， 当前解染色体的第 位在最优解 染色体的第 位指导下顺时针旋转使 为
改进进化方向的量子遗传算法
改进进化方向的量子遗传算法
安秀芳
【期刊名称】《实验室研究与探索》
【年(卷),期】2017(036)012
【摘要】为提高量子遗传算法的全局搜索速度和精度,提出改进进化方向的量子遗传算法(QGAIED).该方法通过计算优化方向和参照当前全局最优解,实现了进化步长的自适应调整.在步长的调整过程中,QGAIED通过权值同时控制两个优化方向,在保证全局搜索能力的同时也提高了搜索速度.将该方法应用于数学优化和工程优化,结果表明,该方法能够快速准确的寻找到全局最优解.
【总页数】5页(P61-64,77)
【作者】安秀芳
【作者单位】徐州工业职业技术学院信息与电气工程学院,江苏徐州221400
【正文语种】中文
【中图分类】TP18
【相关文献】
1.遗传算法引入进化方向算子的一个改进及应用 [J], 樊会元;王尚锦;席光
2.改进进化方向的遗传算法与结构遗传设计 [J], 高峰;胡俏;王章海;王德俊
3.基于改进量子遗传算法的机械臂轨迹优化 [J], 周晟
4.基于改进云量子遗传算法的动态频谱分配 [J], 焦传海;杜奕航
5.基于改进量子遗传算法的模型交互修正方法 [J], 向胜涛;王达
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
关键 词 ： 子遗传 算 法 ； ａｌ变异 ；量子 旋转 门 量 Ｐｕｉ
中图分类 号 ： Ｐ ８ Ｔ １ 文 献标志 码 ：Ａ
Ａｎ Ｉ ｒ ｖ ｄ Ｑｕ ｎ ｕ Ｇｅ ｅｉ Ａ ｇ ｒｔｍ ｍｐ ｏ ｅ ａ ｔｍ ｎ ｔ ｌｏ ｉ ｃ ｈ
Ｗ ＡＮ Ｚ ｕ ｏ ｇ Ｇ ｈ ｒｎ ，ＹＡＮＧ Ｂ ，Ｌ３Ｘｉｇ ｈ ｏ，ＣＵ ｗ ｏ Ｉ ｎ ｃ ａ ＩＤｕ ｕ
ｄ ｎ ｍ ｃａｊｓ ｎ ｎ ｃ ｃ ｆ ｕ ｎ ｍ ｒ ａｉ ｎ ｌ， ｈ ｒｂ ｋｎ ｐ ｒｔ ａ ｚ ｅｃｍ ｉａ ｙ ａ ｉ ｄｕｔ ｔ ｄｔ ｔ ｓｏ ａ ｔ ｏ ｔ ｎａｇｅ ｗ ｅｅｙｍａｉｇｏ ｅａ ｒ ｅｌ ｅｔ ｏ ｂｎ — ｍｅ ａ ａ ｉ ｑ ｕ ｔ ｏ ｏｒ ｉ ｈ
ｃ ｌ ｕ ａｉｎ ｓ ｌ ｔ ｎ ａ ｃ ｒ ｃ ｎ ｅ ｋ ｎ ｏ ｆ ｃｅ ｃ ｎ ｏ ｃ ｎ ｉ ｅ ａｉ ｎ ａｃ ｌｔ ｏｕ ｉ ｃ ｕ ａ ｙ ａ ｄ ｓ ｅ ｉ ｇ ｆｒ ｅｆ ｉｎ ｙ ｉ ｔ ｏ ｓｄ ｒ ｔ ．Ａ ｓ ｔ ｉ ａ ｅ ｉｃ ｓｅ ｈ ｏ ｏ ｉ ｏ ｌｏ， ｈ ｓ ｐ ｐ ｒｄ ｓ ｕ ｓ ｓｔ ｅ
ｗ ｔ ｎａｒｔ ｎｌ ａｃｌｔ ｎｃｓ ｎｔｅｅ ｄ Ｉ Ｇ ｓｄｔ ｔｓ ｓｖｒ ｅ ｃ ｄｓ ｎ ａｄｂ ｓ ｎ— ｉ ｉ ｉ ａ ｃ ｕａ ｏ ｏｔ ｎ ， Ｑ Ａ ｉ ｕｅ ｔ ｅｅａ ｓｌ ｔ ｔ ｄ ｒ ａｅｆ ｃ ｈ ａ ｏ ｌ ｉ ．Ｉ ｈ ｓ ｏｅ ｌ ｅｅ ａ ｕ ｔ ｎ ．Ｔｔｅｂ ｓ ａｅａｅｖｌｅａ ｄｃｎ ｉ ｓ ｈ ｔ ｕ ｓｎ ｉａ ｔ Ｑ Ａ ｃ ｎｏ ｔ ｎ ｈ ｅｔ ｏ ｉ ， ｈ ｅｔ ｖ ｒｇ ａ ｎ ｏ — ｏ ｅｅ ｅ ｉ ｅｈ ａ ｕｏ ｕ
１５ ４
一
种 改 进 的量 子遗 传 算 法 研 究
王竹 荣， 波 ，吕兴朝 ， 杨 崔杜武
（ 西安理工大学 计算机科学与工程学 院 ， 陕西 西安 ７ ０ ４ ） １０ ８
摘 要 ： 出一种 改进 的量 子遗传 算 法 （Ｑ Ａ） 提 Ｉ Ｇ 。在 编码 方 面提 出 了一 种根 据 所 求 问题 精 度 动 态确 定量子 染 色体基 因长度 的编 码 方法 ， 虑 了计算 解 的精 度 和搜 索效 率 的平衡 关 系。探 讨 了量子 旋 考
ｎ ｉｈｂ ｒ ｏ ｄ ｒ ｎ ｅ ｉ ｕ ｈ ａ ｗａ ｈａ ｈ ｇ ｒｔ ｍ ｓｅ ｓ ｒ ｄ ｔ ｅ ｒ ｈ ｆｒａ ｓ ｌ ｔｏ ｔ ｉ ｈ ａ ｃ ｒ ｃ ｅ ｇ ｏ ｈ ｏ ａ ｇ ｎ ｓ ｃ ｙｔ ｔｔ ｅ ａ ｏｉｈ ｉ ｎ ｕ ｅ ｏ ｓ ａ ｃ ｏｕ ｉｎ ｗｉｈ ｈ ｇ ｃ ｕ ａ ｙ ｌ ｏ
ｅ ｃ ｄ ｎ ｔ ｏ ｏ ｄ ｔｒ ｎ ｈ ｕａ ｔ ｍ ｈ ｏ ｓ ｍｅ ｇ ｎｅ ｌｎｇｈ ｉ ｄ ａ ｃ ｄ ｉ ｅ ｍｓ ｏ ｃ ｕ ａｅ ｄ — ｎ ｏ ｉ ｇ ｍｅｈ ｄ ｔ ｅｅ ｍｉ ｅ ｔ ｅ ｑ ｎ ｕ ｃ ｒ ｍｏ ｏ ｅ ｅ ｔ ｓ ａ ｖ ｎ ｅ ｎ ｔｒ ｆａ ｃ ｒ ｔ ｙ ｎ ｍｉｓ ｏ ｈ ｏ ｌ ｍ ｏ ｂｅｆ ｕ ｄ ｏ ｔ ａ ｃ ｆｔ ｅ ｐｒｂ ｅ ｔ ｏ ｎ ｕ ．Ｔｈ ｓｅ ｃ ｄ ｎ ｔ ｏ ａ ｅ ｈ ｑ ｉｉｒｕ ｒ ｌｔｏ ｓ ｂ ｔ ｅ ｈ ｉ ｎ ｏ ｉ ｇ ｍｅ ｈ ｄ ｔｋ ｓｔ ｅ ｅ ｕ ｌ ｉ ｍ ｅ ａｉｎ ｅｗｅ ｎ ｔ ｅ ｂ
西安 理工大学学报 Ｊｕ ａ ｏ ｉａ ｎ ｅｓｙｏ ｅｈ ｏ ｇ （０ ２ ｏ．８Ｎ ． ｏｒ ｌ ｆ ’ｎＵ ｉ ｒ ｔ ｆ ｃ ｎｌ ｙ ２ １ ）Ｖ １２ ｏ２ ｎ Ｘ ｖ ｉ Ｔ ｏ
文 章 编 号 ： ０ ６４ １ 【０ ２ ０ ４１５０ １０ － ０ ２ １ ）２ ３４ －７ ７
ｔ ｎ ｏ ｉ ｄ ｏ ｏ ｇ ｅ ｒ ｈ ｎ ｉ ｈ ｎ ｅ ｒ ｈ ｎ ｎ ｅ ｈ ｉ ｅ ｅ ｔｃ ｓ ｓ Ｔ ｅ ｃ ｍｂ ｎ ｔ ｎ ｏ ｉ ｆａ ｋ ｎ ｆｒ ｕ ｈ ｓ ａ ｃ ｉ ｇ ｗ ｔ ｔ ｅ ｆ ｅ ｓ ａ ｃ ｉ ｇ ｕ ｄ ｒ ｔ ｅ ｄｆ ｒ ｎ ａ ｅ ． ｈ ｏ ｉａ ｉ ｆ ｏ ｈ ｉ ｆ ｏ ｑ ａ ｔ ｍ ｔｔ ｎ ｏ ｅ ａｉｎ ｃ ｎ ｒ ｎ ｅ ｈ ｏ ｔ ｔｔ ｎ ｔ ｅ ａ ｌ ｏ ｃ ｒｙ ｏ ｔ ｓ ａ ｃ ｉ ｇ ｉ ａｇ ｒ ｕ ｎ ｕ ｍｕ ａｉ ｐ ｒ ｔ ａ ｅ ｄ ｒ ｔ ｅ ｐ ｓ ｏ ｏ ｍｕ ａｉ ｏ ｂ ｂ ｅ ｔ ａ ｒ ｕ ｅ ｒ ｈｎ ｎ ａ ｌｒ ｅ ｏ
（ ａｕｔ ｏ ｏ ｐ ｔ ｃ ｎｅａｄＥ ｇｎｅｉｇ Ｘ’ ｎｖｒｔ ｆ ｅｈ ｏ ｇ ， ｉｎ７ ０ ８ ｈｎ ） Ｆｃｌ ｆ ｍ ｕｅ Ｓｉ ｃ ｎ ｎｉｅｒ ， ｉｎＵ ｉ ｓｙｏ ｃｎ ｌ ｙ Ｘ ’ １０ ，Ｃ ｉａ ｙ Ｃ ｒ ｅ ｎ ａ ｅｉ Ｔ ｏ ａ ４
Ａ ｓ ａｔ Ｔ ｉ ｐｐ ｒ ｕ ｇｓ ｎｉ ｐｏｅ ｕ ｎｕ ｅ ｅ ｃａ ｏ ｔｍ（ Ｑ Ａ） Ｉ ｎｏ ｉｇ ｉｄｏ ｂ ｔ ｃ ： ｈｓ ａ ｅ ｓｇｅｔ ａ ｒｖｄｑ ａ ｔｍ ｇｎｔ ｌ ｒｈ Ｉ Ｇ ．ｎｅ ｃｄｎ ，ａｋｎ ｆ ｒ ｓ ｍ ｉ ｇｉ
转 角度 的动 态调整 及 策略 ， 算子 在 不 同的情形 下 实现 粗搜 索和 细搜 索 的结合 。 通过 对 量 子 变异 使
操作的组合 实现异后在一个更大的邻域范围内 进行搜 索， 确保算法在合理的计算代价 内有潜能搜 索到 高精度 的解。最后 ， ＩＧ 用 Ｑ Ａ对选取的若干基准测试 函数进行测试。测试结果表明， 相对 于已 有 文献算 法数据 来说 由 ＩＧ Ｑ Ａ得 到 的最好 解 、 最好解 的 平均值 以及 收敛代 数等 均 更具优 势 。
中图分类 号 ： Ｐ ８ Ｔ １ 文 献标志 码 ：Ａ
Ａｎ Ｉ ｒ ｖ ｄ Ｑｕ ｎ ｕ Ｇｅ ｅｉ Ａ ｇ ｒｔｍ ｍｐ ｏ ｅ ａ ｔｍ ｎ ｔ ｌｏ ｉ ｃ ｈ
Ｗ ＡＮ Ｚ ｕ ｏ ｇ Ｇ ｈ ｒｎ ，ＹＡＮＧ Ｂ ，Ｌ３Ｘｉｇ ｈ ｏ，ＣＵ ｗ ｏ Ｉ ｎ ｃ ａ ＩＤｕ ｕ
ｄ ｎ ｍ ｃａｊｓ ｎ ｎ ｃ ｃ ｆ ｕ ｎ ｍ ｒ ａｉ ｎ ｌ， ｈ ｒｂ ｋｎ ｐ ｒｔ ａ ｚ ｅｃｍ ｉａ ｙ ａ ｉ ｄｕｔ ｔ ｄｔ ｔ ｓｏ ａ ｔ ｏ ｔ ｎａｇｅ ｗ ｅｅｙｍａｉｇｏ ｅａ ｒ ｅｌ ｅｔ ｏ ｂｎ — ｍｅ ａ ａ ｉ ｑ ｕ ｔ ｏ ｏｒ ｉ ｈ
ｃ ｌ ｕ ａｉｎ ｓ ｌ ｔ ｎ ａ ｃ ｒ ｃ ｎ ｅ ｋ ｎ ｏ ｆ ｃｅ ｃ ｎ ｏ ｃ ｎ ｉ ｅ ａｉ ｎ ａｃ ｌｔ ｏｕ ｉ ｃ ｕ ａ ｙ ａ ｄ ｓ ｅ ｉ ｇ ｆｒ ｅｆ ｉｎ ｙ ｉ ｔ ｏ ｓｄ ｒ ｔ ．Ａ ｓ ｔ ｉ ａ ｅ ｉｃ ｓｅ ｈ ｏ ｏ ｉ ｏ ｌｏ， ｈ ｓ ｐ ｐ ｒｄ ｓ ｕ ｓ ｓｔ ｅ
ｗ ｔ ｎａｒｔ ｎｌ ａｃｌｔ ｎｃｓ ｎｔｅｅ ｄ Ｉ Ｇ ｓｄｔ ｔｓ ｓｖｒ ｅ ｃ ｄｓ ｎ ａｄｂ ｓ ｎ— ｉ ｉ ｉ ａ ｃ ｕａ ｏ ｏｔ ｎ ， Ｑ Ａ ｉ ｕｅ ｔ ｅｅａ ｓｌ ｔ ｔ ｄ ｒ ａｅｆ ｃ ｈ ａ ｏ ｌ ｉ ．Ｉ ｈ ｓ ｏｅ ｌ ｅｅ ａ ｕ ｔ ｎ ．Ｔｔｅｂ ｓ ａｅａｅｖｌｅａ ｄｃｎ ｉ ｓ ｈ ｔ ｕ ｓｎ ｉａ ｔ Ｑ Ａ ｃ ｎｏ ｔ ｎ ｈ ｅｔ ｏ ｉ ， ｈ ｅｔ ｖ ｒｇ ａ ｎ ｏ — ｏ ｅｅ ｅ ｉ ｅｈ ａ ｕｏ ｕ
１５ ４
一
种 改 进 的量 子遗 传 算 法 研 究
王竹 荣， 波 ，吕兴朝 ， 杨 崔杜武
（ 西安理工大学 计算机科学与工程学 院 ， 陕西 西安 ７ ０ ４ ） １０ ８
摘 要 ： 出一种 改进 的量 子遗传 算 法 （Ｑ Ａ） 提 Ｉ Ｇ 。在 编码 方 面提 出 了一 种根 据 所 求 问题 精 度 动 态确 定量子 染 色体基 因长度 的编 码 方法 ， 虑 了计算 解 的精 度 和搜 索效 率 的平衡 关 系。探 讨 了量子 旋 考
ｎ ｉｈｂ ｒ ｏ ｄ ｒ ｎ ｅ ｉ ｕ ｈ ａ ｗａ ｈａ ｈ ｇ ｒｔ ｍ ｓｅ ｓ ｒ ｄ ｔ ｅ ｒ ｈ ｆｒａ ｓ ｌ ｔｏ ｔ ｉ ｈ ａ ｃ ｒ ｃ ｅ ｇ ｏ ｈ ｏ ａ ｇ ｎ ｓ ｃ ｙｔ ｔｔ ｅ ａ ｏｉｈ ｉ ｎ ｕ ｅ ｏ ｓ ａ ｃ ｏｕ ｉｎ ｗｉｈ ｈ ｇ ｃ ｕ ａ ｙ ｌ ｏ
ｅ ｃ ｄ ｎ ｔ ｏ ｏ ｄ ｔｒ ｎ ｈ ｕａ ｔ ｍ ｈ ｏ ｓ ｍｅ ｇ ｎｅ ｌｎｇｈ ｉ ｄ ａ ｃ ｄ ｉ ｅ ｍｓ ｏ ｃ ｕ ａｅ ｄ — ｎ ｏ ｉ ｇ ｍｅｈ ｄ ｔ ｅｅ ｍｉ ｅ ｔ ｅ ｑ ｎ ｕ ｃ ｒ ｍｏ ｏ ｅ ｅ ｔ ｓ ａ ｖ ｎ ｅ ｎ ｔｒ ｆａ ｃ ｒ ｔ ｙ ｎ ｍｉｓ ｏ ｈ ｏ ｌ ｍ ｏ ｂｅｆ ｕ ｄ ｏ ｔ ａ ｃ ｆｔ ｅ ｐｒｂ ｅ ｔ ｏ ｎ ｕ ．Ｔｈ ｓｅ ｃ ｄ ｎ ｔ ｏ ａ ｅ ｈ ｑ ｉｉｒｕ ｒ ｌｔｏ ｓ ｂ ｔ ｅ ｈ ｉ ｎ ｏ ｉ ｇ ｍｅ ｈ ｄ ｔｋ ｓｔ ｅ ｅ ｕ ｌ ｉ ｍ ｅ ａｉｎ ｅｗｅ ｎ ｔ ｅ ｂ
西安 理工大学学报 Ｊｕ ａ ｏ ｉａ ｎ ｅｓｙｏ ｅｈ ｏ ｇ （０ ２ ｏ．８Ｎ ． ｏｒ ｌ ｆ ’ｎＵ ｉ ｒ ｔ ｆ ｃ ｎｌ ｙ ２ １ ）Ｖ １２ ｏ２ ｎ Ｘ ｖ ｉ Ｔ ｏ
文 章 编 号 ： ０ ６４ １ 【０ ２ ０ ４１５０ １０ － ０ ２ １ ）２ ３４ －７ ７
ｔ ｎ ｏ ｉ ｄ ｏ ｏ ｇ ｅ ｒ ｈ ｎ ｉ ｈ ｎ ｅ ｒ ｈ ｎ ｎ ｅ ｈ ｉ ｅ ｅ ｔｃ ｓ ｓ Ｔ ｅ ｃ ｍｂ ｎ ｔ ｎ ｏ ｉ ｆａ ｋ ｎ ｆｒ ｕ ｈ ｓ ａ ｃ ｉ ｇ ｗ ｔ ｔ ｅ ｆ ｅ ｓ ａ ｃ ｉ ｇ ｕ ｄ ｒ ｔ ｅ ｄｆ ｒ ｎ ａ ｅ ． ｈ ｏ ｉａ ｉ ｆ ｏ ｈ ｉ ｆ ｏ ｑ ａ ｔ ｍ ｔｔ ｎ ｏ ｅ ａｉｎ ｃ ｎ ｒ ｎ ｅ ｈ ｏ ｔ ｔｔ ｎ ｔ ｅ ａ ｌ ｏ ｃ ｒｙ ｏ ｔ ｓ ａ ｃ ｉ ｇ ｉ ａｇ ｒ ｕ ｎ ｕ ｍｕ ａｉ ｐ ｒ ｔ ａ ｅ ｄ ｒ ｔ ｅ ｐ ｓ ｏ ｏ ｍｕ ａｉ ｏ ｂ ｂ ｅ ｔ ａ ｒ ｕ ｅ ｒ ｈｎ ｎ ａ ｌｒ ｅ ｏ
（ ａｕｔ ｏ ｏ ｐ ｔ ｃ ｎｅａｄＥ ｇｎｅｉｇ Ｘ’ ｎｖｒｔ ｆ ｅｈ ｏ ｇ ， ｉｎ７ ０ ８ ｈｎ ） Ｆｃｌ ｆ ｍ ｕｅ Ｓｉ ｃ ｎ ｎｉｅｒ ， ｉｎＵ ｉ ｓｙｏ ｃｎ ｌ ｙ Ｘ ’ １０ ，Ｃ ｉａ ｙ Ｃ ｒ ｅ ｎ ａ ｅｉ Ｔ ｏ ａ ４
Ａ ｓ ａｔ Ｔ ｉ ｐｐ ｒ ｕ ｇｓ ｎｉ ｐｏｅ ｕ ｎｕ ｅ ｅ ｃａ ｏ ｔｍ（ Ｑ Ａ） Ｉ ｎｏ ｉｇ ｉｄｏ ｂ ｔ ｃ ： ｈｓ ａ ｅ ｓｇｅｔ ａ ｒｖｄｑ ａ ｔｍ ｇｎｔ ｌ ｒｈ Ｉ Ｇ ．ｎｅ ｃｄｎ ，ａｋｎ ｆ ｒ ｓ ｍ ｉ ｇｉ
转 角度 的动 态调整 及 策略 ， 算子 在 不 同的情形 下 实现 粗搜 索和 细搜 索 的结合 。 通过 对 量 子 变异 使
操作的组合 实现异后在一个更大的邻域范围内 进行搜 索， 确保算法在合理的计算代价 内有潜能搜 索到 高精度 的解。最后 ， ＩＧ 用 Ｑ Ａ对选取的若干基准测试 函数进行测试。测试结果表明， 相对 于已 有 文献算 法数据 来说 由 ＩＧ Ｑ Ａ得 到 的最好 解 、 最好解 的 平均值 以及 收敛代 数等 均 更具优 势 。