返回
Quantum encoding whale optimization algorithm for global optimization and adaptive infinite impulse response system identification
DOI:10.1007/s10462-025-11120-1.png)
摘要
En 中文
鲸鱼优化算法(WOA)由气泡网的捕食特性所启发,模仿了消减和环绕、气泡网追捕、随机游走和觅食行为以定位扩展的充分值。然而,WOA存在若干不足:分辨率精度不足、收敛速度迟缓、易陷入搜索停滞以及局部探测效率不足。为解决这些问题,引入了一种量子编码鲸鱼优化算法(QWOA),用于全局优化和自适应无限脉冲响应(IIR)系统辨识。量子编码机制利用量子比特原理对搜索代理进行编码,操纵关键量子比特的状态并修正位置数据。量子旋转门调制量子比特的配置,量子非门实现位变异并抑制早熟收敛。量子比特的概率幅代表搜索代理的多态叠加状态,这丰富了种群多样性,提升了个体化信息,拓宽了探测范围,抑制了早熟收敛,促进了估计效果,并提高了解的精度。QWOA不仅能迅速定位最适宜解附近的搜索范围,还能计算螺旋形环绕路径以促进捕食多样化。采用23个基准函数、8个实际工程布局和自适应IIR系统辨识来评估QWOA的可行性与有效性。实验结果表明,QWOA成功平衡了探索与开发能力,加速了收敛速度,改善了计算精度,并增强了稳定性和鲁棒性。
Keyword:
Whale optimization algorithm
Quantum encoding
Benchmark functions
Engineering layouts
Infinite impulse response system identification
期刊
IF:
13.9
论文数:
6.1K
被引数:
1.9W
机构
暂无机构信息
引用论文
GOOSE algorithm: a powerful optimization tool for real-world engineering challenges and beyondGOOSE算法: 解决实际工程挑战的强大优化工具
Fick?s Law Algorithm: A physical law-based algorithm for numerical optimization菲克定律算法: 基于物理定律的数值优化算法
Quantum-inspired multi-objective African vultures optimization algorithm with hierarchical structure for software requirement面向软件需求的量子多目标非洲秃鹰分层结构优化算法
Hippopotamus optimization algorithm: a novel nature-inspired optimization algorithm
SCIENTIFIC REPORTS
IF3.9

