论文部分内容阅读
提出了一种量子混合蛙跳算法，该算法采用量子位的Bloch球面坐标编码个体，利用量子位在Bloch球面上绕轴旋转的方法实施优化搜索，采用Hadamard门实现个体变异以避免早熟，增强解空间的遍历性，可以快速逼近全局最优解。对过程神经网络的网络结构、网络参数和展开项数统一编码，并利用该算法进行优化，把优化后的神经网络应用到抽油机故障诊断中，结果表明，用量子混合蛙跳算法优化的神经网络对抽油机进行故障诊断较传统BP算法更具准确性与快速性。