.png){kind=icon}
返回
Multi-population quantum firefly algorithm via ergodic correction mechanism for continuous optimization problems
.png){kind=icon}
PRE
AI
DOI：10.1007/s11227-026-08437-1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为提升萤火虫算法（FA）的收敛速度和求解精度，本文提出了一种具有遍历校正机制（Ergodic Correction Mechanism, ECM）的多群体量子萤火虫算法（MQFA-ecm）。与传统的量子启发式元启发式算法不同，MQFA-ecm集成了由量子旋转门机制管理的自适应多群体策略，该机制通过动态调整量子比特概率幅值，精细调控探索-开发权衡。为缓解早熟收敛问题，引入基于Holt线性指数平滑的遍历校正机制，用于预测潜在全局最优解的轨迹，并在停滞阶段引导搜索向欠探索区域进行。在20个基准函数及IEEE CEC 2022测试套件上的全面评估证明了算法的鲁棒性。非参数统计检验（包括Wilcoxon符号秩检验和Friedman检验）表明，与九种当前最先进的算法相比，MQFA-ecm在优化精度和收敛速度上均实现了统计显著的优越性。这些结果突显了MQFA-ecm在解决复杂、高维数值优化任务中的有效性。
Keyword:
Firefly algorithm
Quantum optimization
Multi-population
Global optimization
Holt prediction
期刊
T
IF:
0
论文数:
647
被引数:
0
机构
引用论文
.png){kind=icon}
Dual-Surrogate-Assisted Cooperative Particle Swarm Optimization for Expensive Multimodal Problems求解昂贵多模态问题的双代理辅助协同粒子群算法
PREAI
分享收藏A practical tutorial on the use of nonparametric statistical tests as a methodology for comparing evolutionary and swarm intelligence algorithms关于使用非参数统计检验作为比较进化和群体智能算法的方法的实用教程
PREAI
分享收藏Starling murmuration optimizer: A novel bio-inspired algorithm for global and engineering optimizationStarling murmuration优化器: 一种用于全局和工程优化的新型生物启发算法
PREAI
分享收藏PSO-ELPM: PSO with elite learning, enhanced parameter updating, and exponential mutation operator
PREAI
分享收藏
查看更多内容