用于高维连续函数优化的变尺度量子进化算法

摘要

为求解高维连续函数的优化问题,提出了实数编码变尺度量子进化算法.通过对目标函数进行非线性尺度变换,突出了全局最优解的优势地位;通过尺度变换建立量子染色体的实数编码方式;依据适应度值将个体分类,并对其执行不同的变异策略,增强了算法的局部和全局搜索能力;利用混沌算法更新最优个体并动态调整搜索范围,提高了算法的收敛速度;引入小生境技术提高了种群分布的多样性,进而克服了算法的早熟.采用经典测试函数对算法进行了测试,测试结果表明提出的算法适合求解高维连续函数优化问题,具有收敛速度快、全局搜索能力强和稳定性好的优点.