基于全面学习的量子分布估计算法

作     者：谭立湘 郭立 TAN Li-Xiang;GUO Li

作者机构：中国科学技术大学电子科学与技术系合肥230027 

出 版 物：《模式识别与人工智能》 (Pattern Recognition and Artificial Intelligence)

年 卷 期：2010年第23卷第3期

页      面：314-319页

核心收录：

学科分类：08[工学] 081104[工学-模式识别与智能系统] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(No.60401015) 国家自然科学基金广东联合基金(No.U0835002)资助项目 

主　　题：量子进化算法 量子概率模型 全面学习 0-1背包问题 组合优化 

摘      要：量子进化算法采用多个简单概率模型并行搜索的框架结构,从而可尝试引入有效的多模型学习机制以提高算法的探索能力.文中将全面学习的思想引入多量子概率模型的学习,提出基于全面学习的量子分布估计算法.在该算法中,模型的每个分量都可以向不同的目标学习,使得量子概率模型有可能较为全面地从已知较优解中提取知识,以尽可能全面地描述解空间中好的区域,有效提高算法求解复杂优化问题的能力.在典型0-1背包问题上的比较实验充分验证该算法的有效性和先进性.