基于多算子結(jié)合的量子遺傳算法研究.pdf

1、量子遺傳算法是一個新型的優(yōu)化算法，具有很好研究價值并成為熱點，量子算法結(jié)合了量子力學(xué)等多個基本要素，已逐漸成為一種新計算模式，極大提高了計算效率，因而和遺傳算法的融合也極大提升了遺傳算法的效率。但是在復(fù)雜連續(xù)的函數(shù)優(yōu)化中量子遺傳算法有易陷入局部極值點、收斂速度慢等缺點，一些學(xué)者提出量子粒子群優(yōu)化算法來解決這類問題，有很好的全局收斂性。但是在解決過早收斂的問題仍然不是很理想，會產(chǎn)生次優(yōu)解，影響算法的性能。因此本文提出多精英策略的量子粒子群

2、算法。
　　首先，本文在量子與粒子群融合的過程中提出對量子比特狀態(tài)的更新通過粒子群優(yōu)化的方法來實現(xiàn)，使旋轉(zhuǎn)角度的更新變成粒子位置的更新。
　　其次，在此基礎(chǔ)上又提出多精英策略，引入成長速率和候選區(qū)的概念，使粒子的搜索軌跡不一定被全局最優(yōu)位置引導(dǎo)，而是取決于候選區(qū)這個有前途的搜索區(qū)域，使加強的量子粒子群算法在一些困難的優(yōu)化問題中有更好的性能，并通過實驗進(jìn)行了驗證。
　　最后，將多精英策略的量子粒子群算法應(yīng)用到聚類問題中。

3、在聚類分析中，由于基于遺傳算法的k-means算法有k-means算法的局部搜索能力同時還具備遺傳算法的全局尋優(yōu)能力，可以更好的解決聚類的問題。為了進(jìn)一步優(yōu)化聚類的效果，將多精英策略量子粒子群引入k-means算法中，可以最大限度的減少集群內(nèi)部差異性，而且具有較快的收斂速度，算法綜合了多精英量子粒子群的全局搜索能力和集群的快速收斂能力，在與基于量子遺傳算法的k-means算法等多種算法的對比試驗中，基于多精英策略的量子粒子群算法的k-m