基于量子自由粒子模型的优化算法框架

doi:10.3969/j.issn.0372-2112.2020.07.013

电子学报 ›› 2020, Vol. 48 ›› Issue (7): 1348-1354.DOI: 10.3969/j.issn.0372-2112.2020.07.013

基于量子自由粒子模型的优化算法框架

王鹏¹, 杨云亭^2,3

1. 西南民族大学计算机科学与技术学院, 四川成都 610225;
2. 中国科学院成都计算机应用研究所, 四川成都 610041;
3. 中国科学院大学, 北京 100049

收稿日期:2019-04-09 修回日期:2020-05-10 出版日期:2020-07-25 发布日期:2020-07-25
通讯作者: 王鹏
作者简介:杨云亭 女,1994年9月出生,河北定州人.2017年毕业于黑龙江工程学院计算机科学与技术学院,后进入中国科学院成都计算机应用研究所攻读硕士学位.研究方向为智能优化算法.E-mail:1424127847@qq.com
基金资助:
国家自然科学基金（No.60702075）；西南民族大学中央高校基本科研业务费专项资金（No.2019NYB22）

Optimization Algorithm Framework Based on Quantum Free Particle Model

WANG Peng¹, YANG Yun-ting^2,3

1. School of Computer Science and Technology, Southwest Minzu University, Chengdu, Sichuan 610225, China;
2. Chengdu Institute of Computer Application, Chinese Academy of Sciences, Chengdu, Sichuan 610041, China;
3. University of Chinese Academy of Sciences, Beijing 100049, China

Received:2019-04-09 Revised:2020-05-10 Online:2020-07-25 Published:2020-07-25

摘要/Abstract

摘要： 基于量子系统下的自由粒子模型，提出了多尺度自由粒子优化算法（Multi-scale Free Particle Optimization Algorithm，MFPOA），并在物理模型的基础之上研究了该算法的内部机制.通过类比量子系统和优化系统，将优化问题的求解过程转化成粒子在微观系统下的运动过程.通过在MATLAB仿真平台上对自由粒子优化算法的参数设置进行了研究，并分析了与同类搜索机制的算法的区别.最后通过实验得出，MFPOA更适合求解单模简单函数，求解复杂多模函数需要更多的迭代次数.

关键词: 自由粒子, 谐振子, 均匀分布采样, 高斯采样, 波函数

Abstract: Based on the free particle model of quantum system,the Multi-scale Free Particle Optimization Algorithm (MFPOA) is proposed,and the internal mechanism of the algorithm is studied on the basis of the physical model.Through analogy between quantum system and optimization system,the solving process of optimization problem is transformed into the motion process of particles under the microscopic system.The parameter setting of free particle optimization is studied on MATLAB simulation platform,and the differences between the algorithm and similar search mechanism are analyzed.Finally,experiments show that MFPOA is more suitable for solving single-mode functions,and more iterations are needed to solve complex multi-mode functions.

Key words: free particle, harmonic oscillator, uniformly distributed sampling, Gaussian sampling, wave function

中图分类号:

TP301.6

王鹏, 杨云亭. 基于量子自由粒子模型的优化算法框架[J]. 电子学报, 2020, 48(7): 1348-1354.

WANG Peng, YANG Yun-ting. Optimization Algorithm Framework Based on Quantum Free Particle Model[J]. Acta Electronica Sinica, 2020, 48(7): 1348-1354.

参考文献

[1] Kadowaki T,Nishimori H.Quantum annealing in the transverse Ising model[J].Physical Review E,1998,58(5):5355-5363.
[2] Kirkpatrick S,Gelatt C D,Vecchi M P.Optimization by simulated annealing[J].Science,1983,220(4598):671-680.
[3] 王凌.量子进化算法研究进展[J].控制与决策,2008,23(12):1321-1326. WANG Ling.Advances in quantum-inspired evolutionary algorithms[J].Control and Decision,2008,23(12):1321-1326.(in Chinese)
[4] 姚新,陈国良,徐惠敏,等.进化算法研究进展[J].计算机学报,1995,18(9):694-706. YAO Xin,CHEN Guo-liang,XU Hui-min,et al.Research progress of evolutionary algorithm[J].Chinese Journal of Computers,1995,18(9):694-706.(in Chinese)
[5] 方伟,孙俊,谢振平,等.量子粒子群优化算法的收敛性分析及控制参数研究[J].物理学报,2010,59(6):3686-3694. FANG Wei,SUN Jun,XIE Zhen-ping,et al.Convergence analysis of quantum-behaved particle swarm optimization algorithm and study on its control parameter[J].Acta Physica Sinica,2010,59(6):3686-3694.(in Chinese)
[6] Trelea I C.The particle swarm optimization algorithm:convergence analysis and parameter selection[J].Information Processing Letters,2003,85(6):317-325.
[7] 王鹏,黄焱.多尺度量子谐振子优化算法物理模型[J].计算机科学与探索,2015,9(10):1271-1280. WANG Peng,HUANG Yan.Physical model of multi-scale quantum harmonic oscillator optimization algorithm[J].Journal of Frontiers of Computer Science & Technology,2015,9(10):1271-1280.(in Chinese)
[8] Kennedy J.Bare bones particle swarms[A].Proceedings of the 2003 IEEE Swarm Intelligence Symposium[C].IEEE,2003.80-87.
[9] Clerc M,Kennedy J.The particle swarm-explosion,stability,and convergence in a multidimensional complex space[J].IEEE Transactions on Evolutionary Computation,2002,6(1):58-73.
[10] Omran M G H,Engelbrecht A P,Salman A.Bare bones differential evolution[J].European Journal of Operational Research,2009,196(1):128-139.
[11] Das S,Suganthan P N.Differential evolution:A survey of the state-of-the-art[J].IEEE Transactions on Evolutionary Computation,2011,15(1):4-31.
[12] Wang H,Rahnamayan S,Sun H,et al.Gaussian bare-bones differential evolution[J].IEEE Transactions on Cybernetics,2013,43(2):634-647.
[13] Li J,Tan Y.The bare bones fireworks algorithm:A minimalist global optimizer[J].Applied Soft Computing,2018,62:454-462.
[14] Tan Y,Zhu Y.Fireworks algorithm for optimization[A].International conference in swarm intelligence[C].Berlin,Heidelberg:Springer,2010.355-364.

基于量子自由粒子模型的优化算法框架

Optimization Algorithm Framework Based on Quantum Free Particle Model

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 10

编辑推荐

Metrics

[1]	周岩, 王鹏, 辛罡, 李波, 王德志. MQHOA优化算法能级稳定过程及判据研究[J]. 电子学报, 2019, 47(6): 1337-1343.
[2]	王鹏, 黄焱, 袁亚男, 都政, 安俊秀. 多尺度量子谐振子算法的收敛特性[J]. 电子学报, 2016, 44(8): 1988-1993.
[3]	陈昭男, 刘锡国, 王红星, 张晨亮. 基于PSWF框架的非正交脉冲波形调制方法[J]. 电子学报, 2016, 44(3): 620-626.
[4]	燕京京, 王鹏, 范家兵, 黄焱. 基于量子谐振子模型的聚类中心选取算法[J]. 电子学报, 2016, 44(2): 405-412.
[5]	胡金花, 陈明生, 孔勐, 沈晶, 吴先良. 基于稳定的时域积分方程方法对多天线辐射问题和互耦问题的研究[J]. 电子学报, 2015, 43(3): 620-624.
[6]	巩敦卫, 胡滢, 张勇. 基于多目标微粒群优化的异质数据特征选择[J]. 电子学报, 2014, 42(7): 1320-1326.
[7]	王鹏, 黄焱, 任超, 郭又铭. 多尺度量子谐振子高维函数全局优化算法[J]. 电子学报, 2013, 41(12): 2468-2473.
[8]	成谢锋;马勇;张学军;刘琚;张少白. 一种不用先验知识的单路混合信号的盲源分离新方法[J]. 电子学报, 2011, 39(10): 2317-2321.
[9]	成谢锋;陶冶薇;张少白;张学军;刘琚. 独立子波函数和小波分析在单路含噪信号盲分离中的应用研究:模型与关键技术[J]. 电子学报, 2009, 37(7): 1522-1528.
[10]	范惠荣;徐茂林;邱钧;张兆田;李兴东. 关于CBP算法的一种新型滤波函数和它的性质[J]. 电子学报, 2004, 32(2): 232-235.