改進(jìn)的并行量子遺傳算法研究.pdf

1、量子信息科學(xué)是量子力學(xué)與信息科學(xué)結(jié)合的一門(mén)新興學(xué)科。量子信息科學(xué)采用量子比特來(lái)表示量子態(tài)。遺傳算法是模仿生物自然選擇和遺傳機(jī)理,構(gòu)造一種隨機(jī)搜索的計(jì)算智能算法。量子遺傳算法就是遺傳算法與量子計(jì)算與相結(jié)合,建立在量子的態(tài)矢量表述基礎(chǔ)上,將量子比特的概率幅表示應(yīng)用于染色體的編碼,并利用量子門(mén)和量子非門(mén)實(shí)現(xiàn)更新種群的操作,讓種群朝向最優(yōu)目標(biāo)進(jìn)化,最終實(shí)現(xiàn)目標(biāo)的優(yōu)化求解。量子遺傳算法在對(duì)許多具體問(wèn)題的求解過(guò)程中,不用對(duì)問(wèn)題特性的先驗(yàn)知識(shí),僅僅依

2、靠所求問(wèn)題的適應(yīng)度函數(shù)信息,同時(shí)不受所求問(wèn)題搜索空間的可導(dǎo)性、連續(xù)性等限制條件的約束。
　　量子遺傳算法已在函數(shù)優(yōu)化以及組合優(yōu)化問(wèn)題上得到了廣泛的應(yīng)用,但由于在具體問(wèn)題中,函數(shù)的復(fù)雜度、多樣性等不同,有的容易收斂,有的難以收斂。量子遺傳算法依然存在很多問(wèn)題,最為突出的問(wèn)題主要表現(xiàn)在求解高維復(fù)雜函數(shù)時(shí),算法易陷入早熟,且難以脫離局部最優(yōu)解等方面。
　　針對(duì)量子遺傳算法在求解高維函數(shù)優(yōu)化問(wèn)題時(shí)存在的收斂速度慢、解的精度低的問(wèn)題,

3、本文提出一種改進(jìn)的并行量子遺傳算法(IPQGA)。首先,為了加快收斂速度,減少早熟現(xiàn)象,本文通過(guò)對(duì)并行量子遺傳算法和多核集群的深入研究,采用了~種基于多核集群下的混合并行量子遺傳算法實(shí)現(xiàn)模型。其次,提出了一種新的基于多尺度變換的動(dòng)態(tài)編碼方法,它能有效解決全局和局部搜索中搜索空間、解的精度和收斂速度之間的沖突。最后,一種新的局部搜索策略引入到量子遺傳算法中,用局部搜索得到的新個(gè)體代替較劣的個(gè)體,使其跳出局部最優(yōu),增強(qiáng)種群的多樣性。