MRQEA算法(MapReduce和量子進化算法結合)並應用於0-1揹包
參考文獻:《MapReduce與量子進化算法的研究及應用》量子進化算法
具體流程:
1. 進化代數初始化:T=0;
2. 初始化種羣Q(t);
3. 由Q(t)生成P(t);
4. 評價羣體P(t)的適應度,保存最優解;
5. 停機條件判斷:當滿足停機條件時,輸出當前最優個體,算法結束,否則繼續;
6. 利用量子旋轉門更新Q(t),T=T+1,轉到3;
Ready:
初始化種羣Q(t)
Map:
輸入——(key,value)key爲量子個體的索引號,value爲量子個體Q(t)以及對應的P(t)。
完成Q(t)變爲P(t)、更新Q(t)、計算每個個體的適應度。
輸出——(key,value)key爲每個個體的適應度值,value爲量子個體。
Reduce:
找到適應值(key值)最大的個體,更新最優值和最優個體,判斷是否滿足最優個體和最優值。
若滿足,則輸出最優個體和最優值,否則產生輸出鍵值對,此鍵值對作爲下次迭代過程中map的輸入。
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章
卡爾曼濾波器預測原理詳解+推導
Anusat
2020-06-25 12:06:54
卡爾曼預測股票(Tensorflow)
cclplus
2020-06-23 08:06:55
遺傳算法的Python實現(通過遺傳算法實現函數擬合)
cclplus
2020-06-23 08:06:51
正弦餘弦優化算法[記錄]
weixin_Qingliang
2020-06-17 12:56:34
Python實現 模擬退火算法庫
guofei9987
2020-06-16 10:06:13
遺傳算法做整數規劃(0-1優化)Python實現
guofei9987
2020-06-16 10:06:13
模擬退火算法的三種形式+Python實現
guofei9987
2020-06-16 10:06:13
模擬退火算法的Python實現與可視化
guofei9987
2020-06-16 10:06:13
Python實現 免疫優化算法庫
guofei9987
2020-06-16 10:06:13
遺傳算法進行整數規劃(0-1優化)Python實現
guofei9987
2020-06-16 10:06:13
粒子羣算法,python 實現可視化
guofei9987
2020-06-16 10:06:13
數據分析-概念
benben-miao
2020-06-16 07:13:44
標準差分進化(DE)算法筆記丨matlab實現
wendy3orz
2020-06-16 03:11:06
24小時熱門文章
-
使用c#強大的表達式樹實現對象的深克隆之解決循環引用的問題
-
GPT-4o 引領人機交互新風向,向量數據庫賽道沸騰了
-
free AI online tools All In One
-
痞子衡嵌入式:恩智浦i.MX RT1xxx系列MCU啓動那些事(12.A)- uSDHC eMMC啓動時間(RT1170)
-
基於Ubuntu-22.04安裝K8s-v1.28.2實驗(二)使用kube-vip實現集羣VIP訪問
-
企業大模型如何成爲自己數據的“百科全書”?
-
本地SSL證書過期 輸入命令在IIS自動生成
-
.NET週刊【5月第2期 2024-05-12】
-
基於Ubuntu-22.04安裝K8s-v1.28.2實驗(一)部署K8s
-
基於Ubuntu-22.04安裝K8s-v1.28.2實驗(三)數據卷掛載NFS(網絡文件系統)