求解0-1背包问题的量子狼群算法

严雅榕; 项华春; 聂飞; 李京峰

Chinese

您当前的位置：

首页 >

文章列表页 >

求解0-1背包问题的量子狼群算法

更新时间：2026-09-04

- 求解0-1背包问题的量子狼群算法
- A Quantum Wolf Pack Algorithm for Solving 0-1 Knapsack Problem
- 微电子学与计算机 2018年35卷第7期页码：1-5
- 作者机构：
  
  空军工程大学机构装备管理与安全工程学院,陕西,西安,710051
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 纸质出版：2018
- 稿件说明：
移动端阅览
严雅榕, 项华春, 聂飞, 李京峰. 求解0-1背包问题的量子狼群算法[J]. 微电子学与计算机, 2018, 35(7): 1-5, 12.

YAN Ya-rong, XIANG Hua-chun, NIE Fei, et al. A Quantum Wolf Pack Algorithm for Solving 0-1 Knapsack Problem[J]. 2018, 35(7): 1-5.
严雅榕, 项华春, 聂飞, 李京峰. 求解0-1背包问题的量子狼群算法[J]. 微电子学与计算机, 2018, 35(7): 1-5, 12. DOI：

YAN Ya-rong, XIANG Hua-chun, NIE Fei, et al. A Quantum Wolf Pack Algorithm for Solving 0-1 Knapsack Problem[J]. 2018, 35(7): 1-5. DOI：

摘要

针对0-1背包问题

在基本狼群算法的基础上

提出了量子狼群算法.借鉴量子编码方式

定义了种群中粒子的概率位置和准确位置

通过量子旋转门控制人工狼概率位置向全局最好位置逼近

然后以量子塌缩实现了概率位置向准确位置的映射

兼顾了算法的导向性与随机性.选取了8个经典0-1背包问题与3个高维背包问题进行了测试

并与其他算法进行比较

实验结果表明

量子狼群算法能够有效搜索全局最优解

特别是在高维背包问题中具有较好性能.

Abstract

A quantum wolf pack algorithm is proposed to solve 0-1knapsack problems. Defining probability positions and accurate positions of particles in population refer to quantum encoding. Quantum rotation is used to orient probability positions of wolves to the global optimal position

and then completing the mapping from probability position to accurate position by quantum collapse

these operators reconcile the orientation and randomness. There are 8 classical and 3 high-dimensional knapsack problems employed to test the proposed algorithm

and then compared the performance of this algorithm with other algorithm. The statistical results demonstrate the effectiveness and global search capability on knapsack problems especially for high level cases.

关键词

Keywords

references

Cambridge Dorigo M, Stutzle T. Ant colony optimization[M]. Cambridge: MIT Press, 2004:1-103. DOI: 1

吴虎胜, 张凤鸣, 吴庐山.一种新的群体智能算法-狼群算法[J].系统工程与电子技术, 2013, 34(11):2430-2438. DOI: 2430

Karaboga D, Basturk B. A powerful and efficient algorithm for numerical function optimization: Artificial bee colony(ABC) algorithm[J]. Journal of Global Optimization, 2007, 39(3): 459-471.[doi:10.1007/s10898-007-9149-x].

李国亮.狼群算法的研究与应用[D].江西: 东华理工大学, 2016.

Berlin Kellerer H, Pferschy U, Pisinger D. Knapsack problems[M]. Berlin: SpringerVerlag, 2004.

Poli R, Kennedy J, Blackwell T. Particle swarm optimization[J]. Swarm Intelligence, 2007, 1(1): 33-57.[doi:10.1109/ICCN.1995.488968].

Beijing Chen G L, Wang X F, Zhuang Z Q, et al. Genetic algorithm and its applications[M]. Beijing: The posts and Telecommunications Press, 2003.1-192. DOI: 1

Yang X S, Deb S. Cuckoo search via levy flights[C]// Proceedings of World Congress nature % Biologically Inspired Computing. India, IEEE Publications, 2009: 210-214.

Zou D X, Gao L Q, Wu J H, et al. Solving 0-1 knapsack problem by a novel global harmony search algorithm[J]. Applied Soft Computing, 2011, 11(2):155-1564. DOI: 155

吴虎胜, 张凤鸣, 战仁军, 等.求解0-1背包问题的二进制狼群算法[J].系统工程与电子技术, 2014, 35(8):1660-1667. DOI: 1660

李娟, 方平, 周明.一种求解背包问题的混合遗传算法[J].南昌航空工业学院学报, 1998, 11(3):35-39. DOI: 35

陈汉武, 李科, 赵生妹.基于相位匹配的量子行走搜索算法及电路实现[J].物理学报, 2015, 82(24): 29-39. DOI: 29

王熙照, 贺毅朝.求解背包问题的演化算法[J].软件学报, 2017, 27(1):1-16. DOI: 1

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于MSS-YOLO-MPHands融合架构的装配手部动作识别研究

大模型发展综述：从BERT到Deepseek的技术演进

超低功耗实时时钟电路的设计

注意力机制与改进密集卷积引导的信息隐藏模型

基于区块链的AI生成内容溯源框架设计研究