一种新的相位角编码量子进化算法

针对具有连续解空间的数值函数优化问题,基于量子算法和实数编码进化算法的思想,提出一种新的相位角编码量子进化算法(PAQEA).算法的概率表达特性使得量子染色体能够以一定概率表达优化问题的所有可行解,结合动态量子旋转门实现染色体的进化,实现了算法局部搜索与全局搜索的平衡.理论分析证明了算法的全局收敛性.仿真结果表明,该算法适用于复杂数值函数优化问题,具有收敛速度快、搜索能力强和稳定性高的特点.

一种竞争型量子进化算法

针对连续空间数值优化问题,提出了一种竞争型量子进化算法。粒子每次向全局最优和种群均值两个方向分别进化,从而得到两个子粒子。根据"优胜劣汰"原则选择适应度较高者作为下一代。同时,为了保证粒子的多样性,引入了一种自适应变异机制:对适应度较低的粒子以较高概率进行变异,而对适应度较高粒子以较低概率进行扰动。通过5个标准测试函数验证了算法的性能。仿真结果表明,与PAQEA及NVCQEA相比,该算法收敛速度快,收敛精度高,稳定性好。