針對(duì)目前元啟發(fā)式算法在求解組合優(yōu)化問(wèn)題中的旅行商問(wèn)題（TSP）時(shí)求解緩慢的問(wèn)題,受量子理論中波函數(shù)的啟發(fā)提出一種多尺度自適應(yīng)的量子自由粒子優(yōu)化算法。首先,在可行域中隨機(jī)初始化表示城市序列的粒子,作為初始的搜索中心;然后,以每個(gè)粒子為中心進(jìn)行當(dāng)前尺度下的均勻分布函數(shù)的采樣,并交換采樣位置上的城市編號(hào)產(chǎn)生新解;最后,根據(jù)新解相較上一次迭代中最優(yōu)解的優(yōu)劣進(jìn)行搜索尺度的自適應(yīng)調(diào)整,并在不同的尺度下進(jìn)行迭代搜索直到滿足算法結(jié)束條件。將該算法和混合粒子群優(yōu)化（HPSO）算法、模擬退火（SA）算法、遺傳算法（GA）和蟻群優(yōu)化算法應(yīng)用在TSP上進(jìn)行性能測(cè)試,實(shí)驗(yàn)結(jié)果表明自由粒子模型算法適合求解組合優(yōu)化問(wèn)題,在TSP數(shù)據(jù)集上相比目前較優(yōu)算法在求解速度上平均提升50%以上。 

【文章來(lái)源】：計(jì)算機(jī)應(yīng)用. 2020,40(05)北大核心CSCD

【文章頁(yè)數(shù)】：6 頁(yè)

【文章目錄】：
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的基本過(guò)程
3 仿真實(shí)驗(yàn)與分析
    3.1 尺度自適應(yīng)變換策略的有效性
    3.2 拓展實(shí)驗(yàn)
4 結(jié)語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]多尺度量子諧振子算法在組合優(yōu)化問(wèn)題中的性能分析[J]. 王鵬,黃焱,安俊秀,李建平.  電子科技大學(xué)學(xué)報(bào). 2016(03)
[2]多尺度量子諧振子算法性能分析[J]. 袁亞男,王鵬,劉峰.  計(jì)算機(jī)應(yīng)用. 2015(06)
[3]多尺度量子諧振子優(yōu)化算法物理模型[J]. 王鵬,黃焱.  計(jì)算機(jī)科學(xué)與探索. 2015(10)



本文編號(hào)：3625831