量子群进化算法研究与应用
本文针对传统优化算法寻优精度低、收敛速度慢的问题，提出了基于量子理论的量子群搜索算法（QGSO）。该算法主要采用了量子理论中的叠加态特性和概率表达特性，增强了种群的多样性，提高了群搜索算法（GSO）的寻优精度；利用量子位直接编码和量子运算的高效计算能力大大提高了算法的优化效率，加快了收敛速度。在基准函数的试验测试中，对比其他2种量子进化算法，结果显示本文提出的算法在搜索精度和收敛速度上更具有优势。在实际应用中，以乙烯裂解炉的双烯质量收率为优化目标，确定最佳的操作条件变量，实验结果表明，双烯的收率得到明显提高并且迅速地找到了最佳的操作条件，为生产过程优化操作提供了理论支持，实现了裂解炉的优化控制。
量子群搜索算法 量子理论 算法优化 叠加态特性 概率表达特性
年笑宇 王昕 王振雷 钱锋
东理工大学化工过程先进控制和优化技术教育部重点实验室，上海 200237 上海交通大学电工与电子技术中心，上海 200240 东北大学流程工业综合自动化国家重点实验室, 辽宁沈阳 110004
国内会议
厦门
中文
1-6
2012-08-01（万方平台首次上网日期，不代表论文的发表时间）