10412.量子遺傳算法的改進(jìn)及在貨物配裝問(wèn)題中的應(yīng)用

1、分類號(hào)嬰三窆!UDC碩士學(xué)位論文量子遺傳算法的改進(jìn)及在貨物配裝問(wèn)題中的應(yīng)用符麗錦論文答辯日期2Q!生旦圣壘目學(xué)位授予日期2Q!三生魚旦圣Q旦答辯委員會(huì)主席陵友墊教援級(jí)矗級(jí)王程埡量子遺傳算法的改進(jìn)及在貨物配裝問(wèn)題中的應(yīng)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(lái)的一種高效的智能優(yōu)化算法，除具有遺傳算法的優(yōu)點(diǎn)外，還具有全局尋優(yōu)能力強(qiáng)、收斂速度快、種群規(guī)模小等優(yōu)點(diǎn)。對(duì)于復(fù)雜優(yōu)化問(wèn)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(fù)雜函數(shù)優(yōu)化問(wèn)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(duì)傳統(tǒng)的量子遺傳算法作改進(jìn)，主要研究工作如下：一是提出了～種改進(jìn)的量子遺傳算法(IQGA)，采用動(dòng)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(dòng)態(tài)嵌入變異算子，增加種群的多樣性，并通過(guò)災(zāi)變算子使算法及時(shí)跳出局部最優(yōu)點(diǎn)，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(jìn)量子遺傳算法(MPIQGA)，使用多種群替代單種群，同時(shí)在

3、種群初始化過(guò)程中采用小生境協(xié)同策略來(lái)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(guò)全局最優(yōu)個(gè)體來(lái)更新進(jìn)化目標(biāo)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(shí)驗(yàn)首先通過(guò)若干個(gè)復(fù)雜連續(xù)函數(shù)驗(yàn)證改進(jìn)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(wèn)題屬于工程領(lǐng)域的約束優(yōu)化問(wèn)題，本文利用IQGA和MPIQGA對(duì)一種多車型多貨物配裝問(wèn)題模型進(jìn)行求解，其中對(duì)該模型的約束條件進(jìn)行變形，轉(zhuǎn)化成懲罰