第20 卷 第11 期
Vol. 20 No. 11
控 制 与 决 策
Control and D ecision
2005 年11 月
Nov. 2005
收稿日期: 2004211208; 修回日期: 2005203214.
基金项目: 国家部级基金项目
(
51430804
Q T
2201
)
; 四川省青年基金项目
(
0326
ZQ
0262033
)
.
作者简介: 陈辉
(
1979—
)
, 男, 河南漯河人, 硕士生, 从事智能计算、图像处理的研究; 张家树
(
1965—
)
, 男, 四川
西充人, 教授, 博士生导师, 从事通信理论与信号处理、智能系统及其安全技术等研究.
文章编号: 100120920
(
2005
)
1121300204
实数编码混沌量子遗传算法
陈 辉, 张家树, 张 超
(
西南交通大学 计算机学院, 成都 610031
)
摘 要: 基于量子位的混沌特性和相干特性, 提出一种实数编码混沌量子遗传算法
(
RCQ GA
)
. 该算法在解空间内将
实数染色体通过反向变换映射到量子位, 采用量子位概率指导的实数交叉与混沌变异相结合的方法对实数染色体进
行演化搜索. 实验结果表明,
RCQ GA
不仅可以有效避免二进制编码
Q GA
早熟收敛的缺点, 而且可以减少寻优的计
算复杂度, 具有收敛速度快、稳定性好、寻优能力强、精度提高容易等优点, 适用于工程应用中的复杂函数优化问题.
关键词: 混沌; 遗传算法; 量子遗传算法; 实数编码量子遗传算法
中图分类号:
TP
18 文献标识码:
A
Real
-
coded Chaotic Quantum
-
inspired Genetic Algorithm
CH EN H ui
,
ZH A N G J ia
2
shu
,
ZH A N G Chao
(
College of Computer
,
Southw est J iaotong U niversity
,
Chengdu
610031,
China
.
Correspondent
:
CHEN Hui
,
E
2
m ail
:
cx
-
sw jtu
@
sohu
.
com
)
Abstract
:
This paper p ropo sed a real
2
coded chaotic quantum
2
insp ired genetic algorithm
(
RCQ GA
)
based on the
chaotic and coherent characters of Q
2
bits
.
In this algo rithm
,
real chromosom es are inverselym apped to Q
2
bits in the
solution space
.
Q
2
bits p robability guided real cross and chaos m utation are used to real chromo som es evolution and
searching
;
Sim ulation show s that the p ropo sed RCQ GA not only avoids the shortcom ing of binary system coding
based Q GA p rem aturity but it also reduces the op tim izing comp lexity w ith faster convergence speed
,
mo re stability
,
mo re pow erful op tim izing ability
.
Key words
:
Chaos
;
Genetic algorithm
;
Q uantum
2
insp ired genetic algorithm
;
Real
2
coded chaotic quantum
2
insp ired
genetic algorithm
1
引 言
遗传算法
(
GA
)
是一种启发式反演方法, 已广泛
应用于参数估计、模式识别、机器学习、神经网络、工
业控制等领域
[1~ 3]
. 对于非线性系统优化问题的求
解, 传统
GA
存在许多缺陷, 如计算存储量大, 无法
保证收敛到全局最优解, 群体中最好染色体的丢失
和进化过程的过早收敛等
[3~ 6]
. 为解决这些问题,
N arayanan
等提出了量子遗传算法
(
Q GA
)
, 该算法
使用量子位编码与二进编码相结合以及量子门进行
种群更新, 有效地解决了
GA
中存在的过早收敛和
染色体丢失问题
[5 ]
. 但
Q GA
的旋转角查找计算复杂
度较高, 对于多参数复杂函数优化容易早熟收敛
[7 ]
.
文献[ 5 ]提出新的量子遗传算法
(
NQ GA
)
, 采用自
适应搜索网格策略并根据代数调整变异角幅度, 加
快了收敛速度, 但仍无法较好地处理多参数复杂优
化问题和组合优化问题. 上述方法都是基于查找表
指导的旋转门种群更新, 查找计算量大, 非常耗时,
不便于工程实际应用.
现有的
Q GA
均采用量子位编码观察的方式得
到二进编码, 不适合多参数优化和高精度计算的要
求. 本文提出一种实数编码混沌量子遗传算法, 该算
法充分利用量子位概率的混沌特性、量子态干涉特
性和实数编码的优点, 将需要的结果以概率形式增
强, 不需要的结果减弱, 使得实数染色体朝着全局最