بهبود استراتژی تکامل با استفاده از محاسبات کوانتوم

استراتژی تکامل روشی مناسب برای حل مسائل بهینه سازی عددی بشمار می آید. ویژگی اصلی این نوع الگوریتم تکاملی، خود تطبیقی در عملگر جهش می باشد. در استراتژی تکامل جهت گیری به سمت جواب بهینه بر کارایی الگوریتم می افزاید، اما در الگوریتم سنتی استراتژی تکامل نسل بعدی در یک ابر بیضی تولید می شود و جهت گیری به سمت جواب بهینه به درستی مشخص نمی شود، بنابراین ممکن است که فرزندان نسل بعد در خلاف جهت بهینه نیز تولید شوند. در این مقاله یک الگوریتم جدید استراتژی تکامل با استفاده از محاسبات کوانتوم پیشنهاد شده است که سرعت همگرایی و دقت در جواب بهینه را بهبود بخشیده است. روش پیشنهادی با تقسیم ناحیه تولید نوی و اصلاح کردن جهت به سمت جواب بهینه، توانسته سرعت همگرایی را افزایش دهد. برای نشان دادن کارایی روش پیشنهادی، آزمایش های متعددی بر روی دسته اس از مسائل بهینه سازی عدی صورت گرفته است. نتایج آزمایش ها نشان می دهند که روش پیشنهادی در زمینه سرعت همگرایی و دقت در جواب بهینه قدرتمندتر از روش سنتی استراتژی تکامل عمل کرده است.

کلیدواژه ها:

استراتژی تکامل ، محاسبات کوانتوم ، عملگر جهش ، خود تطبیقی ، سرعت همگرایی