Halfway Escape Optimization: A Quantum-Inspired Solution for Complex Optimization Problems

本文首先提出了一种名为“半路逃脱优化算法（HEO）”的新型量子启发式元启发式算法，旨在解决具有崎岖地形和高维特征的复杂优化问题，并具有高效的收敛速度。该研究对HEO的性能进行了全面比较评估，包括粒子群优化（PSO）、遗传算法（GA）、人工鱼群算法（AFSA）、灰狼优化器（GWO）和量子行为粒子群优化（QPSO）等已有的优化算法。主要分析涵盖30维的14个基准函数，展示了HEO在复杂优化地形中导航的有效性和适应性，并提供了有价值的性能见解。HEO在旅行商问题（TSP）中的简单测试也表明了其在实时应用中的可行性。

论文旨在解决复杂优化问题中的局部最优解和高维度问题的优化问题，并提出了Halfway Escape Optimization（HEO）算法。

HEO算法是一种新的量子启发式元启发式算法，能够有效地收敛于复杂的优化问题中。

论文通过对14个30维基准函数的综合比较评估，展示了HEO算法在复杂优化问题中的有效性和适应性，并在旅行商问题上进行了简单的测试。

与此相关的研究包括粒子群优化（PSO）、遗传算法（GA）、人工鱼群算法（AFSA）、灰狼优化器（GWO）和量子行为粒子群优化（QPSO）等已有的优化算法。