CAJ | 학술논문

该文提出了一种基于染色体量子概率编码的遗传算法--QCGA.与传统遗传算法不同,在QCGA中,单个个体不再表示某一个确定解,而是解的取值概率分布,覆盖整个解空间;各个个体独立并行演化,个体间通过一个新的交叉算子实现演化信息的交换,同时设计了一个新的变异算子以增强算法的局部寻优能力.为了充分考察该算法的有效性和先进性,将其应用于典型函数优化、0-1背包问题和时间序列中频繁结构模式搜索等问题的求解.实验结果表明,与现有同类算法相比,该算法在具有很高搜索效率的同时,仍能维持很高的种群多样性,因而适用于复杂优化问题的求解.
해문제출료일충기우염색체양자개솔편마적유전산법--QCGA.여전통유전산법불동,재QCGA중,단개개체불재표시모일개학정해,이시해적취치개솔분포,복개정개해공간;각개개체독립병행연화,개체간통과일개신적교차산자실현연화신식적교환,동시설계료일개신적변이산자이증강산법적국부심우능력.위료충분고찰해산법적유효성화선진성,장기응용우전형함수우화、0-1배포문제화시간서렬중빈번결구모식수색등문제적구해.실험결과표명,여현유동류산법상비,해산법재구유흔고수색효솔적동시,잉능유지흔고적충군다양성,인이괄용우복잡우화문제적구해.