8、量子进化算法与基于种群的增量学习算法的研究进展

量子进化算法与基于种群的增量学习算法的研究进展

量子进化算法中的新型磁更新算子

在量子进化算法领域，提出了一种新型的Q - Gate更新算子的替代方案。该方案将q - 个体视为基于适应度被吸引到二进制解的磁性粒子。与传统的Q - Gate相比，这种新型更新算子具有两个显著优势。

首先，在搜索过程中，q - 个体的移动并非恒定不变，而是会因不同的q - 个体甚至不同的维度而有所变化。其次，在该更新算子中，即使是较差的二进制解也会对q - 个体产生影响，只是影响幅度较小。这使得可能解之间的相互作用比Q - Gate更为频繁，并且较差的二进制解也能参与到搜索过程中。

为了验证该算法的性能，对包括背包问题、陷阱问题以及十四个数值函数优化问题进行了实验，实验运行次数为30次。实验结果以均值（Mean）和标准差（STD）呈现，均值表示30次运行中最佳答案的平均值，标准差表示最佳答案的标准偏差。问题维度m分别设置为100和250，对比了Q - Gate和新型磁更新算子的性能，具体结果如下表所示：
|问题|m = 100| | | |m = 250| | | |
| ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- |
| |Q - Gate| |Magnetic| |Q - Gate| |Magnetic| |
| |Mean|STD|Mean|STD|Mean|STD|Mean|STD|
|Kpck Rep 1|373.73|4.79|387.04|0.90|907.53|18.37|1008.50|3.11|
|Kpck Rep 2|438.44|6.77|4