الگوريتم رقابت استعماري باينري كوانتومي و بكارگيري آن در مسئله انتخاب ويژگي

امروزه بهينه‌سازي نقش مهمي را در فرآيند حل بسياري از مسائل مهندسي و علوم پايه دارد. با توجه به قابليت‌هاي روش‌هاي بهينه‌سازي فراابتكاري، اين الگوريتم‌ها به عنوان يك ابزار پيشرفته در حل مسائل بهينه‌سازي محسوب مي‌شوند. الگوريتم رقابت استعماري يك روش كارامد در حل بسياري از مسائل بهينه‌سازي پيوسته و گسسته بوده است. در اين مقاله، با تركيب اين الگوريتم با مفاهيم محاسبات كوانتومي، نسخه جديدي از الگوريتم رقابت استعماري موسوم به الگوريتم رقابت استعماري باينري كوانتومي (BQICA) را ارائه مي‌دهيم. عملكرد اين الگوريتم در حل مسئله انتخاب ويژگي مورد بررسي و ارزيابي قرار مي‌گيرد. الگوريتم پيشنهادي با الگوريتم وراثتي باينري (CGA)، نسخه باينري بهينه‌سازي انبوه ذرات (BPSO)، الگوريتم گربه ماهي (Catfish BPSO)، الگوريتم جمعيت مورچگان (ACO)، الگوريتم كلوني مورچگان با اطلاعات اكتشافي (ACOH)، الگوريتم كلوني مورچگان مبتني بر انتخاب ويژگي (ACOFS)، نسخه بهبود يافته الگوريتم جستجوي گرانشي باينري (IBGSA)، الگوريتم ازدحام ذرات باينري كوانتومي (BQIPSO)، الگوريتم باينري كوانتومي جستجوي گرانشي (BQGSA) و الگوريتم جستجوي گرانشي باينري كوانتومي (BQIGSA) در حل مسئله انتخاب ويژگي روي برخي مجموعه داده‌هاي UCI مقايسه شده است. نتايج شبيه¬سازي نشان مي¬دهد كه روش پيشنهادي در مقايسه با روش¬هاي پيشين كارايي بهتري دارد.