.png){kind=icon}
返回
An improved quantum-inspired evolutionary algorithm framework implemented to solve minimum vertex cover problem
.png){kind=icon}
PRE
AI
DOI：10.1007/s00158-025-04078-9.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
组合优化处理涉及离散函数和离散变量的问题。利用既定的精确确定性算法解决这些问题受到指数时间复杂度的困扰。基于种群的元启发式策略已获得普及，需要定制化以提高其问题求解的有效性。这些方法均可用于在可接受的时间内为一系列此类问题推导出可行的答案。量子启发式进化算法（QIEA）是基于量子计算原理衍生的一类元启发式算法。已开发了一种增强的QIEA框架，整合了若干元素以促进QIEA针对特定问题的定制化。该框架内的一组属性利用了与组合优化问题相关的特定问题知识，而另一组属性则可在一般情境中提升整体性能。该框架已应用于最小顶点覆盖（MVC）问题，这是一个公认的组合优化难题，因其难以被任何精确技术解决而闻名。已采用若干既定的MVC标准来开发所提出框架的特征。通过将该框架的结果与基础QIEA及其他增强迭代版本进行比较，验证了所提出框架的有效性。基于从BHOSLIB和DIMACS知名数据集中选取的基准实例获得最佳可能MVC值的平均时间，对算法性能进行了比较。所提出框架的性能超越了若干先前的启发式和元启发式算法。
Keyword:
Exponential time complexity
Heuristic and metaheuristic algorithms
Quantum-Inspired Evolutionary Algorithms
Minimum Vertex Cover Problem
期刊
IF:
4
论文数:
4.9K
被引数:
1.7W
机构
引用论文
.png){kind=icon}
查看更多内容