数値関数の最適化のための平均的な最良の位置の方向を持つガウス量子コウモリアルゴリズム

平均的な最高位置の監督（QMBA）を備えた量子行動式BATアルゴリズムは、良いパフォーマンスを備えたBATアルゴリズム（BA）の新しいバリアントです。ただし、QMBAアルゴリズムは、均一な確率分布を持つすべての確率係数を生成します。これは、比較的小さな検索範囲しか提供できないため、ある程度の早期収束に直面しています。コウモリがローカルオプティムから逃れるのを助けるために、この記事では、ランダム数シーケンスを生成するためにガウス確率分布を適用する平均最高位置監督（GQMBA）を備えた新しいガウス量子コウモリアルゴリズムを提案します。GQMBAでランダム係数を生成するために均一な分布の代わりにガウス分布を適用することは、早期収束を回避するためのパフォーマンスを促進するための効果的な手法です。この記事では、QMBAとガウス確率分布の組み合わせを適用して、数値関数最適化問題を解決します。19のベンチマーク関数が採用され、他のアルゴリズムと比較され、GQMBAの精度とパフォーマンスを評価します。実験結果は、ほとんどの場合、提案されているGQMBAアルゴリズムがより良い検索パフォーマンスを提供できることを示しています。

Quantum-behaved bat algorithm with mean best position directed (QMBA) is a novel variant of bat algorithm (BA) with good performance. However, the QMBA algorithm generates all stochastic coefficients with uniform probability distribution, which can only provide a relatively small search range, so it still faces a certain degree of premature convergence. In order to help bats escape from the local optimum, this article proposes a novel Gaussian quantum bat algorithm with mean best position directed (GQMBA), which applies Gaussian probability distribution to generate random number sequences. Applying Gaussian distribution instead of uniform distribution to generate random coefficients in GQMBA is an effective technique to promote the performance in avoiding premature convergence. In this article, the combination of QMBA and Gaussian probability distribution is applied to solve the numerical function optimization problem. Nineteen benchmark functions are employed and compared with other algorithms to evaluate the accuracy and performance of GQMBA. The experimental results show that, in most cases, the proposed GQMBA algorithm can provide better search performance.