一种改进的量子进化算法,何昭晖,章兢,本文在提出一种改进的量子进化算法,通过概率编码简化量子位的表示,引入粒子群算法的优化策略,并对量子位的概率进行限幅,提高
为了进一步提高量子粒子群算法的精度,从描述粒子状态波函数的[δ]势阱特征长度[L(t)]出发,重新修改其评价方式。通过给群体中的每个粒子引入随机权重,生成随机权重平均最优位置来重新评价[L(t)],以
基于量子免疫规划的图像分割算法,毕晓君,金桂芳,将量子理论引入到免疫规划中,结合人工免疫系统的克隆选择和免疫机制,提出了一种新型的进化算法——量子免疫规划。并基于阈值分
Grover量子搜索算法解决了未加整理的数据库搜索问题,在2n个元素中搜索M个目标元素时,计算复杂度为O(√2n/M),相对于经典算法实现了二次加速,但Grover算法在目标元素个数接近2n/2时成功
论文研究-人工记忆优化算法.pdf, 为了求解复杂函数优化问题,根据人类记忆原理构造出了具有全局收敛性的人工记忆优化算法.
为了提高PageRank算法的计算效率,提出了基于块结构划分的方法,将网页之间的链接关系转换成网络块间的关系,减少了map和reduce操作的调用次数,降低了I/O传输造成的开销,提高计算的效率。实验
飞蛾火焰优化算法(Moth-Flame Optimization,MFO)是一种自然激励且易于实现的全局优化算法,在许多实际优化任务中表现出良好的性能。然而,MFO算法存在早熟收敛和容易陷入局部最优解
将遗传算法与蚁群算法中的协同模型进行有机结合,在蚁群算法中引入交叉、变异、选择算子来改进基本蚁群算法,克服了蚁群算法不太适合求解连续空间优化问题的缺陷。通过测试函数表明该方法具有较好的收敛速度和稳定性
基于修正萤火虫算法的多模函数优化,张玉丽,马小平,萤火虫算法(GSO)是一种计算多模函数优化问题的新型算法,该算法和蚁群优化、粒子群优化一样,都是一种群智能算法。针对GSO算法在优�
改进遗传算法在函数优化问题中的应用,王慧,丁海军,函数优化是算法应用中的基本问题,遗传算法具有线性时间复杂度和全局收敛的特点,正好适合于该问题的求解。文章首先对遗传算法进