交叉算子量子粒子群優(yōu)化算法

　　針對量子行為粒子群優(yōu)化（ QPSO）算法在求解多維問題時優(yōu)秀維信息丟失的問題，引入交叉算子的策略，改善解的質(zhì)量，提升算法性能。首先，分析了量子粒子群算法進(jìn)化過程中的粒子整體更新評價策略，發(fā)現(xiàn)各維信息之間相互干擾，會丟失已經(jīng)搜索到的優(yōu)秀維信息；然后，指出如果采用逐維進(jìn)化方法，會指數(shù)級增加算法的復(fù)雜度；最后，提出對進(jìn)化過程中的問題解采用多點交叉的策略增加優(yōu)秀維信息的保留概率，并將改進(jìn)后的量子粒子群算法與線性下降參數(shù)控制策略、非線性下降參數(shù)控制策略方法通過12個CEC2005 benchmark測試函數(shù)進(jìn)行了比較，并對結(jié)果進(jìn)行了分析。仿真結(jié)果顯示，所提算法比改進(jìn)前在10個測試函數(shù)中取得了明顯的改進(jìn)效果，而比其他2種改進(jìn)算法也在7個測試函數(shù)中取得了優(yōu)勢。因此該算法能夠有效提升量子粒子群優(yōu)化算法的性能。