求解旅行商问题的多尺度量子自由粒子优化算法

发布时间：2022-02-15 03:33

　　针对目前元启发式算法在求解组合优化问题中的旅行商问题（TSP）时求解缓慢的问题,受量子理论中波函数的启发提出一种多尺度自适应的量子自由粒子优化算法。首先,在可行域中随机初始化表示城市序列的粒子,作为初始的搜索中心;然后,以每个粒子为中心进行当前尺度下的均匀分布函数的采样,并交换采样位置上的城市编号产生新解;最后,根据新解相较上一次迭代中最优解的优劣进行搜索尺度的自适应调整,并在不同的尺度下进行迭代搜索直到满足算法结束条件。将该算法和混合粒子群优化（HPSO）算法、模拟退火（SA）算法、遗传算法（GA）和蚁群优化算法应用在TSP上进行性能测试,实验结果表明自由粒子模型算法适合求解组合优化问题,在TSP数据集上相比目前较优算法在求解速度上平均提升50%以上。 

【文章来源】：计算机应用. 2020,40(05)北大核心CSCD

【文章页数】：6 页

【文章目录】：
0 引言
1 基于量子概率的MFPOA
    1.1 MFPOA的物理模型描述
    1.2 MFPOA的基本工作流程
2 自由粒子模型求解TSP的基本过程
3 仿真实验与分析
    3.1 尺度自适应变换策略的有效性
    3.2 拓展实验
4 结语


【参考文献】：
期刊论文
[1]多尺度量子谐振子算法在组合优化问题中的性能分析[J]. 王鹏,黄焱,安俊秀,李建平.  电子科技大学学报. 2016(03)
[2]多尺度量子谐振子算法性能分析[J]. 袁亚男,王鹏,刘峰.  计算机应用. 2015(06)
[3]多尺度量子谐振子优化算法物理模型[J]. 王鹏,黄焱.  计算机科学与探索. 2015(10)



本文编号：3625831