10412.量子遺傳算法的改進及在貨物配裝問題中的應用

1、分類號嬰三窆!UDC碩士學位論文量子遺傳算法的改進及在貨物配裝問題中的應用符麗錦論文答辯日期2Q!生旦圣壘目學位授予日期2Q!三生魚旦圣Q旦答辯委員會主席陵友墊教援級矗級王程埡量子遺傳算法的改進及在貨物配裝問題中的應用摘要量子遺傳算法是將量子算法和遺傳算法相結(jié)合起來的一種高效的智能優(yōu)化算法，除具有遺傳算法的優(yōu)點外，還具有全局尋優(yōu)能力強、收斂速度快、種群規(guī)模小等優(yōu)點。對于復雜優(yōu)化問題的求解，量子遺傳算法是一種有效的解決方法。但是量子遺傳算

2、法在復雜函數(shù)優(yōu)化問題上存在迭代次數(shù)多、收斂速度慢、較易陷入局部最優(yōu)解的不足。為此本文對傳統(tǒng)的量子遺傳算法作改進，主要研究工作如下：一是提出了～種改進的量子遺傳算法(IQGA)，采用動態(tài)策略調(diào)整量子旋轉(zhuǎn)角，加快量子搜索的收斂速度；在量子旋轉(zhuǎn)策略中動態(tài)嵌入變異算子，增加種群的多樣性，并通過災變算子使算法及時跳出局部最優(yōu)點，避免早熟收斂。二是在IQGA的基礎(chǔ)上提出了一種基于多種群的改進量子遺傳算法(MPIQGA)，使用多種群替代單種群，同時在

3、種群初始化過程中采用小生境協(xié)同策略來均勻劃分量子位空間，使各子種群均勻分布到解空間，有利于保持種群的多樣性，各種群之間通過全局最優(yōu)個體來更新進化目標的形式聯(lián)系。多種群的并行搜索可以加快搜索速度，縮短迭代次數(shù)。實驗首先通過若干個復雜連續(xù)函數(shù)驗證改進量子遺傳算法的可行性和有效性。物流配送中的貨物配裝問題屬于工程領(lǐng)域的約束優(yōu)化問題，本文利用IQGA和MPIQGA對一種多車型多貨物配裝問題模型進行求解，其中對該模型的約束條件進行變形，轉(zhuǎn)化成懲罰