张 强,李盼池

(东北石油大学 计算机与信息技术学院,黑龙江 大庆 163318)

混合蛙跳算法(SFLA)[1]具有计算速度快、 全局搜索寻优能力强和易于实现的优点,在很多领域应用广泛,但也存在早熟、 收敛速度慢且求解精度不高的缺点,使其在求解高维连续优化问题时效果不理想[2]. 为了提高蛙跳算法的寻优性能,文献[3-7]分别通过在子群中引入吸引排斥机制、 引入搜索加速因子、 加入过去经验、 利用Logistic混沌序列构造变异算子令算法自适应的调整变异尺度实现对解空间的高效搜索、 利用QPSO作为子群局部搜索策略加强局部各簇群中个体的多样性和均匀性等方法对算法进行了改进,提高了算法的收敛速度. 这些方法都是在原有蛙跳算法的子群搜索策略上进行改进,以提高算法的全局寻优能力.

量子进化算法[8]是一种以量子计算的相关概念和理论为基础的进化算法,与传统进化算法相比,量子进化算法的种群多样性更好,且可以用较小的种群规模获得很好的全局寻优性能[9]. 本文结合量子优化与混合蛙跳算法的优势,提出一种量子混合蛙跳算法(quantum shuffled frog leaping algorithm,QSFLA). 该算法用量子位的Bloch球面坐标编码个体,采用量子位在Bloch球面上绕轴旋转的方法实现优化搜索,从而使每个个体代表的3个优化解同时得到更新,并构造一种自适应混沌旋转角度算子增强局部优化的遍历性,利用Hadamard门实现个体变异避免早熟,进而有效扩展解空间的搜索范围,快速逼近全局最优解.

1 标……

登录APP查看全文