基于云模型的实数编码量子进化算法摘要：针对量子进化算法易陷入局部最优和求解精度不高的缺点，利用云模型具有随机性和稳定倾向性的特点,提出了一种基于云模型的实数编码量子进化算法。该算法利用单维云变异进行全局快速搜索，利用多维云进化增强算法局部搜索能力，探索全局最优解。依据算法的进化过程动态调整搜索范围并复位染色体，可以加提高敛速度，并防止陷入局部最优。仿真结果表明，该算法搜索精度和效率得到提高，适合求解复杂函数优化问题。关键词：云模型；量子进化算法；实数编码；全局优化；函数优化中图分类号:TP181文献标志码：A0引言量子进化算法(QuanturninspiredEvolutionaryAlgorithm,QEA)［1］是新近发展起來的一种概率进化算法。QEA具有良好的群体多样性和全局搜索能力，种群规模较小但不影响算法的性能。然而，大量研究表明：尽管QEA在求解组合优化问题时较传统进化算法表现出更优良的性能，但不适合于求解数值优化问题［2］。QEA采用二进制编码，在用于数值优化问题时，因需要频繁的编码解码，无疑加大了计算量，随着函数维数的增加和求解精度的提高，引起染色体编码“长度灾”导致搜索效率低下。文献［3］构造了三链实数染色体，利用量子旋转门进化染色体，并以解析形式确定旋转角的大小和方向，但其在高维数函数优化上缺乏应用口求解精度不高；文献［4］以实数矩形区域表示基因，通过个体等位基因的叠加、变异及自学习来完成进化过程，但该算法存在易陷入局部最优的问题；文献［5］提出了一种改进实数编码量子进化算法(ImprovedRealCodedQuantumEvolu-tionaryAlgorithm,IRCQEA),利用实数变量和量子位概率幅相角构成实数染色体，设计了互补变异算子来进化染色体，由于采用了动态缩小搜索空间的策略使得该算法的求解精度得到明显的提高，但该算法在较低维数函数优化上易陷入局部最优。上述工作均采用实数编码染色体代替量子位编码染色体，并基于染色体的具体形式设计新的进化算子。文献［6］在传统模糊集理论和概率统计的基础上提出了隶属云概念，并将它逐步完善形成了云模型理论。云模型因其能实现定性和定量之间互换的特性，已被用于解决一些算法的瓶颈问题，优化各种算法［7-9］o本文在文献［5］的基础上，结合云模型的优良特性，利用云模型实现染色体的单维互补变界和多维云进化，提出了一种基于云模型的实数编码量子进化算法(CloudmodelRealCodedQuantumEvolutionaryAlgorithm,CRCQEA)。标准函数仿真表明，该算法求解复杂函数优化问题具有很好的性能。4结语木文提出了一种基于云模型的实数编码量子进化算法(CRCQEA),利用正态云模型云滴的随机性和稳定倾向性的特点对实数编码的量子进化算法进行改造，云理论的随机性可以避免搜索陷入局部极值，而稳定倾向性乂可以很好地定位全局最值。通过对标准测试函数的实验验证了本文算法的有效性。参考文献：[1]HANKH,KIMJH・Quantuminspiredevolutionaryalgorithmforaclassofcombinatorialoptimization[J]・TEEETransactionsonEvolutionaryComputation,2002,6(6)：580-593.[2]ZHANGGX,JINWD,IIUL乙Quantumevolutionaryalgorithmformultiobjectiveoptimizationproblems[C]//Proceedingsofthe2003IEEEInternationalSymposiumonIntelligentContro1.Piscat-away,NJ：IEEE卩ress,2003：703-708.[3]李盼池•基于量子位Bloch坐标的量子遗传算法及其应用[J]・控制理论与应用,2008,25(6)：985-989.[4]覃朝勇，郑建国，朱佳俊•一种实数编码量子进化算法及其收敛性[J]・控制与决策,2009,24(6)：854-858.[5]高辉，张锐•改进实数编码量子进化算法及其在参数估计中的应用[J]・控制与决策,2011,26(3)：418-422.[6]李德毅，孟海军，史雪梅•隶属云和隶属云发生器[J]•计算机研究与发展,1995,32(6)：15-20.[7]戴朝华，朱云芳，陈维荣，等•云遗传算法及其应用[J]•电子学报，2007,35(7)：1419-1424.[8]张煜东，吴乐南，韦耿•一种改进的基于隶属云模型的蚁群算法[J]・计算机工程与应用,2009,45(27)：11-14.[9]张朝龙，余春日，江善和，等•基于混沌云模型的粒子群优化算法[J]・计算机应用,2012,32(7)：1951-1954.[10]李德毅，刘...