改进量子交叉遗传算法在TSP问题中的应用

为提高遗传算法求解旅行商问题的效率,提出了一种改进量子交叉算子遗传算法.与经典量子全干扰交叉算子中城市的选择完全依赖于其位置的选择策略相比,新算子在选择城市时加入了父代优质解的有用信息,从而在维持解的多样性的同时,提高交叉所产生新解的质量.仿真算例结果表明,改进交叉算子遗传算法有着良好的全局搜索和局部挖掘能力,针对TSP问题的最优解、平均解均优于传统算法.

水资源优化调度的改进量子遗传算法研究

针对于传统量子遗传算法在连续函数优化中出现的易陷于局部最优搜索、优化效率低等问题.本文通过深入研究量子遗传算法,将量子旋转门、量子全干扰交叉进行了改进,结合量子灾变操作,提出了一种改进的量子遗传算法,并运用于南水北调东线工程江苏段水资源优化调度研究.在50%、75%和95%三种保证率下,分别降低了系统缺水量的13.3%、13.9%、8.7%及总抽水量的13.6%、14.4%、11.1%,提高了水资源调度的合理性,取得了良好的效果.

量子演化算法的改进研究

从两个方面对量子演化算法进行改进:(1)因量子染色体的量子位处于叠加态和纠缠态,无法使用传统的交叉方式对量子位进行操作,设计了针对测量后的经典染色体进行全干扰交叉,这样既不会破坏量子染色体的固有的并行性,又可以增加测量后染色体的多样性,继而影响量子染色体进化方向,加快算法的收敛速度,有效地防止"早熟";(2)设计了概率触发器启动量子非门进行量子变异。实验表明,改进的量子演化算法比起先前的算法具有更好的寻优能力,更稳定的收敛度。

一种改进的量子遗传算法

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。

一种量子磷虾群融合算法及其应用

针对磷虾群算法和量子进化算法的缺陷,提出了一种量子磷虾群融合算法(quantum krill herd fusion algorithm,QKH)。该算法通过采用双链实数编码量子磷虾位置,加快收敛速度,避免量子观测的随机性和复杂性;通过利用动态调整的量子磷虾群旋转门更新磷虾位置,提升收敛精度,提高量子旋转相位的确定效率;通过改进的量子全干扰交叉策略,避免算法陷入局部最优,提升优化效率。通过经典测试函数验证了所提算法的优势。建立了QKH-BPNN空调负荷预测模型,仿真结果表明:该模型具有更好的准确性和稳定性。

量子进化算法在电力系统无功优化中的应用

量子进化算法QEA(Quantum-insp ired evolutionary algorithm)将量子理论引入进化计算领域,是一种基于量子计算概念的进化策略算法。它采用量子比特为基本信息位进行个体编码,使用量子态的么正变换(量子门变换)实现个体的进化,同时利用量子编码的多态叠加性以及“全干扰交叉”可以有效克服进化过程中的早熟现象,因此它比传统进化算法具有更快的收敛速度和全局寻优能力。该文将该算法应用于电力系统无功优化问题,提出基于QEA算法的无功优化模型,并对算法参数进行了研究,提出了合适的量子变异参数。运用该算法对IEEE6、30节点系统进行了仿真计算,计算结果验证了模型和算法的有效性。

基于改进QPSO算法的区域防空力量部署优化

针对区域防空中地面防空火力单元部署优化问题,提出了改进量子行为粒子群优化(QPSO)算法。为了克服基本粒子群和量子行为粒子群等算法易陷入局部最优点的缺点,将交叉-变异算子引入QPSO算法,以增强粒子的全局搜索能力,提高算法收敛速度。改进QPSO算法中使用罚函数处理优化问题的不等式约束。最后,数值算例验证了改进QPSO算法的有效性。