基于切比雪夫映射的混沌量子双δ群算法：理论基础、性能分析与收敛问题
神经与进化计算
2019-01-21 v2
摘要
量子双δ群（QDDS）算法是一种受空间共位双δ势阱单阱内势中心收敛机制启发的新元启发式算法。它模仿解空间中候选位置的波动性质，并像其他量子启发计算智能范式一样借鉴量子力学解释。本工作中，我们在算法优化阶段引入切比雪夫映射驱动的混沌扰动，以使作用于当代与历史社会最优智能体解的权重多样化。随后我们在 23 个单目标函数集上刻画解质量，并与另外八种相关自然启发方法进行比较分析。通过比较动态解范围内的解质量与成功运行次数，获得关于收敛本质的见解。双尾 t 检验确立了解数据的统计显著性，而 Cohen's d 与 Hedge's g 值提供了效应量度。我们追踪最优伪智能体在所有函数评估中的轨迹以评论系统动力学，并证明在所采用与其他密切相关随机搜索算法证明相同假设下，所提算法在理论上全局收敛。
引用
@article{arxiv.1811.01945,
title = {Chaotic Quantum Double Delta Swarm Algorithm using Chebyshev Maps: Theoretical Foundations, Performance Analyses and Convergence Issues},
author = {Saptarshi Sengupta and Sanchita Basak and Richard Alan Peters},
journal= {arXiv preprint arXiv:1811.01945},
year = {2019}
}
备注
27 pages, 4 figures, 19 tables