学术
摘 要:
遗传算法是解决优化问题的一种有效方法，但在实际应用申也存在着收敛速度慢、早熟等问题，使得其结果极不稳定。本文将遗传算法和量子理论相结合并利用免疫系统申所特有的克隆算子，针对0／1背包问题，提出了一种改进的进化算法-一量子克隆遗传算法（QCA）。它能有效地避免早熟，且具有收敛速度快的特点。[著者文摘]
文章出处:
《计算机科学》-2007年34卷11期 -147-149页
栏目信息:
分 类 号:
Quantum Clonal Genetic Algorithms
LI Yang-Yang ,JIAO Li-Cheng （School of Electronic Engineering, Xidian University,Xi＇an 710071）
Abstract:
Genetic algorithm is an effective algorithm in solving the optimizing problem, but it has some disadvantages in the application, such as slow converging speed and prernaturity. In this paper, an improved evolutionary algorithm, cal ed the quantum clonal genetic algorithms （QCA）, is proposed based on the combining of quantum theory with genetic theory and with the main mechanisms of clone. QCA can availably solve 0/1 knapsack problem and it has better diversity and the converging speed than the classical genetic algorithms.[著者文摘]
Key words:
Genetic algorithm, Quantum conal genetic algorithm, 0/1 knapsack
基金资助:
本课题得到国家自然科学基金（60372045）、国家“九七三”重点基础研究发展规划项目基金（2001CB309403）和高等学校博士学科点专项科研基金（项目编号：20030701013）资助.
更多>>免费文章
cqvip.com