大规模优化问题的算法

针对大规模离散工程优化问题，有一种改进的算法是离散量子粒子群优化算法（IDQPSO-SA）。该算法首先引入了适应度的二次选择更新平均最优位置策略，使得离散量子粒子群优化算法适用于离散空间的优化问题。其次，该算法还引入了二次切割与连接（DCJ）排序等技术来改进算法的性能。

另外，针对大规模优化问题，还有一种算法是飞蛾扑火算法的改进版本，其中借鉴了差分进化算法的变异思想。通过引入缩放因子和视距因子的概念，提出了飞蛾直飞模型，并将围绕历史最优飞蛾和当前随机飞蛾的直飞方式分别定义为局部寻优和全局寻优。这种改进算法能够有效地解决大规模优化问题。<span class="em">1</span><span class="em">2</span>
#### 引用[.reference_title]
- *1* [适应度二次选择的QPSO和SA协同搜索大规模离散优化算法](https://download.csdn.net/download/weixin_38682054/14144012)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
- *2* [基于统计指导的飞蛾扑火算法求解大规模优化问题](https://download.csdn.net/download/weixin_38731226/14123171)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]