量子启发的哈达玛德漫步实现卓越的探索-开发平衡
摘要：量子启发演化算法扩展了在量子启发演化算法开发中所使用的类比，通过提出称为量子启发哈达玛漫步的量子启发演化算法。本文还提出了一种用于解决组合优化问题的新型量子启发演化算法，称为HQEA。 HQEA的创新之处在于它融合了远程搜索和局部搜索的量子等效物，即QHW远程搜索和QHW局部搜索。本文定义了这些概念，并解释了其背后的直观推理以及所发生的探索-开采平衡。通过对0,1背包问题进行的实验结果显示，HQEA在收敛速度和准确性方面显著优于传统的遗传算法CGA以及两种量子启发演化算法QEA和NQEA。
作者：Sisir Koppaka and Ashish Ranjan Hota
论文ID：1004.0514
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2011-05-17