基于蛙跳思想的量子编码遗传算法  

Quantum coding genetic algorithm based on frog leaping

作　　者：许波[1,2] 彭志平[1,2] 余建平[3] 柯文德[1,2] 

机构地区：[1]广东石油化工学院计算机科学与技术系,广东茂名525000 [2]广东高校石油化工过程装备故障诊断与信息化控制工程技术开发中心,广东茂名525000 [3]湖南师范大学数学与计算机科学学院,长沙410081

出　　处：《中国工程科学》2014年第3期108-112,共5页Strategic Study of CAE

基　　金：国家自然科学基金项目(60903168;61272382);湖南师范大学青年优秀人才培养计划(ET51102);广东高校石油化工故障诊断与信息化控制工程技术开发中心开放基金(512016);茂名市科技计划项目(20120263)

摘　　要：量子门旋转相位、变异概率大小的确定,是目前制约量子遗传算法效率的两个主要问题。本文提出一种基于蛙跳思想的量子编码遗传算法(QRGA),该算法采用自适应的方式对量子旋转门旋转角进行调整,并基于模糊逻辑将蛙跳的步长进行量化以指导变异概率调整,保证进化的方向性和提高算法效率,对比实验结果表明算法可以避免陷入局部最优解,并能快速收敛到全局最优解,在运行时间和解的性能上都取得了较好的效果。The determinations of the rotation phase of quantum gates and mutation probability are the two main issues that restrict the efficiency of quantum genetic algorithm. This paper presents a quantum real coding genetic algorithm（QRGA）. QRGA used an adaptive means to adjust the direction and the size of the rotation angle of quantum rotation gate. In order to en-sure the direction of evolution and population diversity,the mutation probability is guided based on the step of frog leaping algorithm which quantified by fuzzy logic. Comparative exper-imental results show that the algorithm can avoid falling into part optimal solution and astringe to the global optimum solution quickly,which has achieved good results in the running time and performance of the solution.

关 键 词：量子编码 量子遗传算法 蛙跳算法 群体智能 

分 类 号：TP393[自动化与计算机技术—计算机应用技术]