蜂群優(yōu)化算法研究.pdf

1、在解決理論和實(shí)際應(yīng)用中的多變量?jī)?yōu)化問(wèn)題時(shí)，許多智能優(yōu)化算法存在收斂速度較慢或容易陷入局部最優(yōu)的缺陷。由于人工蜂群算法具有設(shè)置參數(shù)少、收斂速度快和魯棒性強(qiáng)等優(yōu)點(diǎn)，因此它已在函數(shù)、組合優(yōu)化以及工程領(lǐng)域等方面得到了廣泛的應(yīng)用。人工蜂群算法卻容易陷入局部極值點(diǎn)，為了改善人工蜂群算法的缺點(diǎn)，有學(xué)者結(jié)合量子理論提出了量子人工蜂群算法。量子人工蜂群算法的優(yōu)化效果比人工蜂群算法有了很大的改善，但是它的量子態(tài)是在實(shí)數(shù)域Hilbert空間平面單位圓周上的描

2、述，只有一個(gè)參變量，沒(méi)有充分發(fā)揮它的量子特性，與理想的效果還有一定的差距。
　　本文以解決多變量?jī)?yōu)化問(wèn)題為例，提出一種基于Bloch球面坐標(biāo)編碼的量子人工蜂群算法。BQABC算法采用的是量子位的Bloch球面坐標(biāo)對(duì)ABC算法中的食物源進(jìn)行編碼，編碼過(guò)后的每個(gè)食物源對(duì)應(yīng)于優(yōu)化問(wèn)題解空間中的三個(gè)可行解。這種編碼方式使得優(yōu)化問(wèn)題的全局最優(yōu)解數(shù)量得到極大擴(kuò)充，而BQABC算法在擴(kuò)大的搜索空間中也顯著提高了獲得最優(yōu)解的概率。通過(guò)量子旋轉(zhuǎn)門調(diào)

3、整量子位的相位實(shí)現(xiàn)BQABC算法的搜索操作。當(dāng)按照近似等球面積的搜索方式進(jìn)行搜索時(shí)，兩個(gè)旋轉(zhuǎn)相位的大小近似成反比例關(guān)系。這避免了采用固定相位旋轉(zhuǎn)的不均等性，使搜索過(guò)程呈現(xiàn)出規(guī)律性。通過(guò)兩個(gè)典型實(shí)例的驗(yàn)證，該算法在搜索能力和優(yōu)化效率方面都優(yōu)于QABC算法以及ABC算法。文中的最后把量子理論和神經(jīng)網(wǎng)絡(luò)相結(jié)合，在相關(guān)的量子神經(jīng)網(wǎng)絡(luò)的理論知識(shí)之上，提出了一種混合的量子神經(jīng)網(wǎng)絡(luò)模型。通過(guò)兩個(gè)實(shí)例驗(yàn)證了它的有效性，并且在優(yōu)化效果方面優(yōu)于普通的BP神