科研之友
微信
新浪微博
Facebook
分享链接
摘要
为提高群智能优化算法的搜索能力，提出了一种量子优化算法。该算法基于量子位Bloch坐标，将种群分为最优个体和普通个体两部分并进行不同处理，对于最优个体，通过使所有量子比特在Bloch球面上绕着坐标轴多次旋转，生成多个新个体，并采用贪婪搜索策略选择最优个体；对于普通个体，将当前个体的量子比特向着随机交叉确定的目标位置旋转，生成新个体，并在当前个体和新个体之间通过贪婪选择以实现当前个体的交叉寻优。函数极值优化的仿真结果表明，所提算法在优化能力上，优于简单量子遗传算法、普通遗传算法和人工鱼群算法，从而验证了算法的有效性。该算法在高维能很好地避免陷入局部最优值，具有快速收敛性和良好的全局搜索能力，实验结果揭示出采用量子计算设计优化算法进而提升搜索能力的研究思路是可行的。
- 单位
