小生境分布估计量子遗传算法及其仿真分析
【出 处】:《
计算机工程与科学
》
CSCD
2016年第38卷第1期 89-94页,共6页
【作 者】:
刘振
;
彭军
;
刘勇
【摘 要】
针对现有量子遗传算法进化机制存在的收敛速度慢以及易陷入局部极值的问题,为提高量子进化算法的全局收敛性能,结合小生境技术中的共享适应度函数方法,提出了小生境分布估计量子遗传算法NEDQGA,在种群内部利用多粒度机制和边缘积模块(MPM)进行量子染色体的两步旋转;并提出利用MPM进行交叉的方法,从而增强了种群多样性,避免了优良模式的损失,加快了算法的收敛;对算法的收敛性进行了分析,提出了MPM更新量子染色体的熵收敛准则。经函数仿真分析,算法收敛效果明显提高。
相关热词搜索: 量子遗传算法 小生境 分布估计算法 扩展紧致遗传算法 quantum genetic algorithm niche estimation of distribution algorithm extended compact genetic algorithm
上一篇:改进生成树算法的多机器人在线地图覆盖
下一篇:带长度约束的k端网络可靠性分析