简单量子进化算法及其在数值优化中的应用

提出了一种简单量子进化算法,它仅用一个实数值表示一个量子位,并设计了特别的旋转、变异算子和评估量子染色体的方法,只用一个个体就可在很短的时间内搜索到最优解.求解数值优化问题和NiH问题的对比试验结果显示了此算法优异的性能.

投资项目评价选择模型的遗传算法

针对一类常见的投资项目评价选择模型提出了一种快速有效的遗传算法。考虑到模型的特殊形式,算法采用了特别的编码方式、遗传算子和适应度确定方法,并与穷举法和隐枚举法进行了对比试验,结果表明该方法能快速有效地给出解决方案。

基于概率幅编码的混合量子演化算法

个体基于量子概率幅进行编码,并将经典遗传算法的杂交算子用于量子演化算法中演化目标的优化,提出了混合量子演化算法。算法中对量子旋转角自适应更新,并首次引入了突变度的概念定义了自适应的变异算子,对量子个体的演化目标定期实施杂交,有效地交换并利用了演化信息,避免了未成熟收敛,提高了算法效率。数值优化问题的实验结果表明该算法优于QEA和CGA,并能以极大概率成功地解决“大海捞针”问题,且计算效率高,优化速度与CGA相当。