量子扩展蚁群连续优化改进算法

针对扩展蚁群算法收敛精度不高、容易陷入局部最优和出现收敛停滞等缺点,提出量子扩展蚁群连续优化改进算法。分析扩展蚁群算法可行解的更新与产生机制;在此基础上,引入量子比特作为蚂蚁位置信息的载体,增加解的多样性;采用云模型自适应产生高斯核函数采样的标准差,优化高斯采样结果,加速优化进程和最优解的搜索;根据优化进程自适应调整采样函数的选择概率,丰富采样的样本;结合云模型控制的变异策略及量子非门等局部寻优手段,有效避免种群早熟。