基于量子蟻群的多目標(biāo)優(yōu)化研究.pdf

1、雖然目前多目標(biāo)優(yōu)化在工程、工業(yè)和科學(xué)領(lǐng)域獲得廣泛應(yīng)用。但是由于問(wèn)題本身的復(fù)雜性,多目標(biāo)優(yōu)化的相關(guān)技術(shù)目前仍不夠完善和成熟,還存在許多值得研究的問(wèn)題,如:收斂速度、局部最優(yōu)、參數(shù)控制、多目標(biāo)之間如何進(jìn)行折衷等。如何快速、有效地實(shí)現(xiàn)多目標(biāo)優(yōu)化成為工程應(yīng)用中的研究熱點(diǎn)問(wèn)題。
　　 常用的多目標(biāo)優(yōu)化方法自身的不足及其在實(shí)際應(yīng)用中存在的諸多困難,一直阻礙著多目標(biāo)優(yōu)化方法的向前發(fā)展。研究結(jié)果表明蟻群算法在大部分多目標(biāo)優(yōu)化問(wèn)題上比傳統(tǒng)進(jìn)化算法

2、具有更好性能。本文首先介紹蟻群算法的概念、背景、模型以及未來(lái)發(fā)展趨勢(shì),然后介紹了目前常用多目標(biāo)優(yōu)化方法,并對(duì)現(xiàn)有的蟻群多目標(biāo)優(yōu)化的模型和方法進(jìn)行詳細(xì)分析。研究表明蟻群算法解決一些復(fù)雜多維問(wèn)題的能力不強(qiáng),容易陷入局部最優(yōu),造成算法早熟。為有效克服以上缺點(diǎn),更好解決實(shí)際中的優(yōu)化問(wèn)題,本文將量子計(jì)算理論引入蟻群算法,提出一種基于量子衍生方法的多目標(biāo)蟻群算法。該算法先采用量子遺傳算法生成信息素分布,然后利用蟻群算法正反饋求精確解,力求優(yōu)勢(shì)互補(bǔ)。

3、算法將量子比特的兩個(gè)概率幅看作是螞蟻當(dāng)前的位置信息,在螞蟻數(shù)目相同時(shí),使搜索空間加倍。能較好的解決蟻群算法在求解問(wèn)題時(shí)收斂速度慢和易于陷入局部最優(yōu)的問(wèn)題。
　　 多目標(biāo)0-1背包問(wèn)題是個(gè)復(fù)雜的NP難問(wèn)題,它能夠很好的檢驗(yàn)多目標(biāo)進(jìn)化算法的優(yōu)劣。最后將本文算法用于多維0-1背包問(wèn)題的求解,并與MOA及經(jīng)典算法NSGA2的試驗(yàn)結(jié)果進(jìn)行對(duì)比分析,結(jié)果表明:本文算法不僅能更快更精確地逼近Pareto最優(yōu)前端,同時(shí)能夠維持Pareto最優(yōu)解