机构名称：
¥ 2.0
摘要：背包问题是研究最广泛的NP完整组合优化问题之一，并且具有许多实际应用。本文提出了一种具有灰色狼优化器（QDGWO）的量子启发的差分进化算法，以提高Di-Versity和Connergence性能，并提高0-1个knapsack问题的高维情况下的性能。所提出的算法采用量子计算原理，例如量子叠加状态和量子门。它还使用差异进化的自适应突变操作，差异进化的交叉操作和量子观察来产生新的解决方案作为试验个体。选择操作用于确定存储个体与突变和交叉操作创建的试验个体之间的更好解决方案。如果试验个体比目前的个体还差，则使用自适应灰狼优化器和量子旋转门来保留人口的多样性，并加快寻找全球最佳解决方案的搜索。0-1背包问题的实验结果证实了QDGWO的优势，具有背包问题的有效性和全球搜索能力，尤其是在高维情况下。
用灰狼优化器进行0-1 knapsack问题的量子启发的差分进化
主要关键词
相关文件推荐
