论文部分内容阅读
近年来兴起的量子遗传算法(Quantum Genetic Algorithm,QGA)是量子计算和进化算法相结合的产物。本文在对量子遗传算法进行系统分析研究的基础上,提出了小生境量子遗传算法(Niche Quantum Genetic Algorithm,NQGA),并应用于工业生产过程软测量模型。
首先,针对量子遗传算法在多参数复杂优化问题和组合优化问题优化中寻优能力较差的缺点,引入小生境技术,通过共享最优染色体组成最优个体,来优化量子旋转门的更新方向,以加快算法的收敛速度。同时,为了配合最优染色体的搜索,引入基于概率划分的小生境协同进化策略,以便最快找到各量子染色体的小生境群体中的最优染色体。对标准测试函数以及反应动力学方程参数估计的实验结果,表明本文提出的NQGA算法对多参数复杂优化问题和组合优化问题具有更好的搜索能力。其次,将小生境量子遗传算法用于小波神经网络的训练(Wavelet Neural Networks,WNN),测试实验表明,该网络具有良好的函数逼近能力和泛化能力。最后,本文应用NQGA_WNN建立了4CBA(4-Carboxybenzaldehyde)浓度的软测量模型。仿真实验验证了小生境量子遗传算法优化的小波神经网络具有良好的性能。