摘要
针对量子遗传算法在多维复杂函数优化中迭代次数多、易陷入局部极值等缺点,提出新的量子遗传算法。通过搜索各种群中各染色体的最优个体,组成一个新的种群,并以此种群作为当前最优种群来确定量子门的全局最优搜索方向。引入小生境协同进化策略初始化量子种群,使量子染色体均匀分布于初值空间。以非线性连续优化问题为例所进行的仿真结果表明,该方法具有收敛速度快、寻优能力强等优点。最后,将该算法应用于化工过程的优化,取得良好的效果。
New methods were joined into the quantum genetic algorithm to solve the defects of poor local search ability and more iterative times. The best search direction was decided by the new swarm which was built by the best individual of each chromosome. Evolutionary strategy＇with niche was used to initialize quanta swarm. The simulation result of non-linear continuous optimal problem indicates that the algorithm has better performance than quantum genetic algorithm. Finally, the algorithm was applied to chemical progress optimization and satisfactory results were achieved.
出处
《计算机应用》
CSCD
北大核心
2008年第2期286-288,共3页
journal of Computer Applications
基金
国家杰出青年科学基金项目(60625302)
国家973计划项目(2002CB3122000)
国家863计划项目(2006AA04Z168)
上海市科委重大基础研究项目(05DJ14002)
关键词
遗传算法
量子遗传算法
小生境
genetic algorithm
quantum genetic algorithm
niche
作者简介
zch_ecust@163．com 周传华（1978-），男，安徽宿松人，硕士研究生，主要研究方向：智能计算、先进控制。
钱锋（1961-），男，江苏扬中人，教授，博士生导师，主要研究方向：复杂工业过程建模与控制、工业过程先进控制、智能控制理论与应用、化工过程系统工程、流程工业过程模拟与优化操作。
