论文部分内容阅读
在众多研究领域都存在着客观或者人为的不确定优化问题,传统方法很难解决此类问题。论文在简述了传统量子遗传算法的原理和结构的基础上,分析了传统量子遗传算法主要存在的问题,即解空间转换和如何确定量子门的旋转相位,以此进行算法的改进,给出了改进量子遗传算法的流程,并以Shaffer’s F1多峰不确定优化问题为例,分析了IQGA的运行效率、收敛速度等性能。通过仿真研究表明IQGA运行效率较高,收敛速度较快,能较好地支持不确定规划问题。