改进量子蝙蝠算法的研究及应用

发布时间：2021-12-09 08:16

　　针对量子蝙蝠算法求解精度低、易陷入局部最优等缺点,提出一种改进型量子蝙蝠算法。引入自然选择,在每次迭代过程中对整个种群适应度值进行排序,用部分较好个体的位置替换部分较差个体的位置,保存个体历史最优适应度函数值。针对蝙蝠算法的频率引入优化因子,使蝙蝠在迭代初期发出较高频率进行全局搜索猎物,在迭代后期降低频率,提高局部搜索能力。对4个标准测试函数进行测试,测试结果表明,改进型量子蝙蝠算法有更好的收敛速度和求解精度。将改进的算法应用于典型化工过程的动态优化问题中,优化结果接近于最优值,性能良好,结果验证了该算法的有效性。 

【文章来源】：计算机工程与设计. 2019,40(01)北大核心

【文章页数】：8 页

【文章目录】：
0 引言
1 QBA算法
2 IQBA算法
    2.1 引入自然选择思想
    2.2 引入优化因子
    2.3 IQBA算法
3 算法测试
    3.1 测试函数
    3.2 结果分析
        3.2.1 BA、QBA、IQBA算法的性能比较
        3.2.2 QBA、IQBA算法求解结果成功率的比较
        3.2.3 BA、QBA、IQBA算法在高维空间中的比较
        3.2.4 IQBA算法与其它算法的比较
4 IQBA在化工动态优化中的应用
    4.1 约束优化问题
    4.2 应用实例
5 结束语


【参考文献】：
期刊论文
[1]函数优化的量子蝙蝠算法[J]. 李枝勇,马良,张惠珍.  系统管理学报. 2014(05)
[2]整数规划的量子行为蝙蝠算法[J]. 李枝勇,马良,张惠珍.  计算机工程与科学. 2014(07)
[3]求解约束优化问题的改进蝙蝠算法[J]. 龙文,张文专.  计算机应用研究. 2014(08)
[4]新型全局优化蝙蝠算法[J]. 李煜,马良.  计算机科学. 2013(09)



本文编号：3530285