人工蜂群算法是解決最佳化問題的一種有效方法, 但在實際套用中也存在收斂速度慢、早熟等問題。
摘要,優勢,
摘要
借鑑量子計算技術?本文將量子進化算法和人工蜂群算法結合, 提出一種新的量子人工蜂群算法。算法直接用量子位的機率幅作為蜜源位置的編碼?旋轉角的大小和方向由蜜源當前位置和在其附近搜尋得到的新的位置共同確定?蜜源的更新用量子旋轉門實現?蜜源的變異用量子非門完成?對蜜蜂的隨機行為同樣用量子旋轉門實現?並規定了旋轉角調整範圍?針對不同的最佳化問題設計了不同的解空間變換模型?算法總體思想保持不變?蜜蜂采蜜時採用貪婪原則?蜜蜂采蜜的過程也就是搜尋最優解的過程?從而實現了目標的最佳化求解。並分別以函式極值和TSP問題為例進行了仿真?
優勢
結果表明該算法能夠克服早熟現象,疊代次數少,收斂速度快,通用性強,比標準人工蜂群算法具有優勢。