论文部分内容阅读
提出了一种改进的量子粒子群算法，并将该算法用于求解非线性混合整数规划问题。构造了一种自适应调整的惯性权重，平衡了算法的全局搜索和局部搜索能力；针对混合整数规划问题，给定一定比例的初始可行解，提高了初始种群解的多样性；利用协同进化选择策略，对种群中的不可行解重新生成，使种群中每个粒子的信息充分利用，从而提高算法的收敛速度；为了抑制算法的早熟现象，给出了一种新的混沌搜索方式，对全局最优解进行局部搜索，增强算法的局部搜索能力。通过16个常见的测试函数测试结果表明，改进的量子粒子群优化算法对求解非线性混合整数规划问题，在成功率和精度方面得到很大的提高。