基于IRT的量子遗传算法选题策略

选题的本质是一个优化问题,虽然已有多种算法,但是大部分算法收敛速度慢、易陷入早熟、需要建立复杂的数学模型等。量子遗传算法在普通遗传算法中引入了量子计算的概念,能够使算法在种群规模很小的情况下呈现种群的多样性,而且能在很广的范围内寻优,不易陷入早熟,量子计算的并行性使算法能比普通遗传算法更快地解决寻优问题。本研究采用基于项目反应理论的量子遗传算法的选题策略。将两者的实验结果作比较,结果显示,量子遗传算法在各评价指标下的效果都优于经典遗传算法,体现出量子遗传算法搜索效率高,适应性强,收敛性速度快的特点。