Breaking Penalty Plateaus with Quantum-Inspired Improved Particle Swarm Optimization
Dieses Papier schlägt eine quanteninspirierte verbesserte Partikelschwarmoptimierung (QI-PSO) vor, die die klassische geschwindigkeitsgetriebene Bewegung durch auf begrenzten Potenzialen basierende Quanten-Dislozierungsgesetze ersetzt, um Penalty-Plateaus in der beschränkten multimodalen Optimierung effektiv zu überwinden, wobei signifikante Fehlerminderungen bei schwierigen Benchmarks nachgewiesen werden, während die Überlegenheit des klassischen Ansatzes bei exploitationsdominanten Problemen beibehalten wird.