2005, 27(5): 805-810.
摘要:
該文提出了一種基于染色體量子概率編碼的遺傳算法--QCGA。與傳統(tǒng)遺傳算法不同,在QCGA中, 單個(gè)個(gè)體不再表示某一個(gè)確定解,而是解的取值概率分布,覆蓋整個(gè)解空間;各個(gè)個(gè)體獨(dú)立并行演化,個(gè)體間通過(guò)一個(gè)新的交叉算子實(shí)現(xiàn)演化信息的交換,同時(shí)設(shè)計(jì)了一個(gè)新的變異算子以增強(qiáng)算法的局部尋優(yōu)能力。為了充分考察該算法的有效性和先進(jìn)性,將其應(yīng)用于典型函數(shù)優(yōu)化、0-1背包問(wèn)題和時(shí)間序列中頻繁結(jié)構(gòu)模式搜索等問(wèn)題的求解。實(shí)驗(yàn)結(jié)果表明,與現(xiàn)有同類算法相比,該算法在具有很高搜索效率的同時(shí),仍能維持很高的種群多樣性, 因而適用于復(fù)雜優(yōu)化問(wèn)題的求解。