文献类型：期刊文献

中文题名：一种基于浓度调节的改进型量子遗传算法

英文题名：An Improved Quantum Genetic Algorithm Based on Concentration Adjusting

作者：胡小祥[1];刘漫丹[1]

机构：[1]华东理工大学化工过程先进控制和优化技术教育部重点实验室,上海200237

年份：2016

卷号：42

期号：5

起止页码：690

中文期刊名：华东理工大学学报（自然科学版）

外文期刊名：Journal of East China University of Science and Technology

收录：CSTPCD;;Scopus;北大核心:【北大核心2014】；CSCD:【CSCD2015_2016】；

基金：中央高校基本科研业务费专项资金(WH1213010)

语种：中文

中文关键词：量子遗传算法;浓度;改进型量子遗传算法;对比测试

外文关键词：quantum genetic algorithm; concentration; improved quantum genetic algorithm; comparison test

摘要：针对量子遗传算法(QGA)优化多峰函数时存在收敛速度慢、容易陷入局部最优的缺陷,提出了改进型量子遗传算法(IQGA)。引入个体浓度的概念,在量子门更新之前对种群进行筛选并剔除高浓度个体和劣个体,并用新的个体代替它们,增强了量子遗传算法全局搜索能力。通过典型复杂连续函数的对比测试,验证了该改进型量子遗传算法的可行性和有效性。
There are shortcomings of slow convergence and easily falling into local optimum using quantum genetic algorithm （QGA） to optimize multimodal functions. This paper proposes an improved quantum genetic algorithm （IQGA ） by introducing the concept of concentration. Before updating quantum gates, IQGA screens and culls the individuals of high concentrations and inferior individuals, and then utilizes new individuals to replace them so as to improve the global search capability. The comparison test among five typical complex continuous functionst verifies the feasibility and effectiveness of the proposed IQGA.