低偏差蒙特卡羅序列量子遺傳算法的研究.pdf

1、常規(guī)遺傳算法結(jié)合量子信息的基本理論而形成的量子遺傳算法，利用量子計(jì)算能處理海量數(shù)據(jù)的能力，提高遺傳算法的搜索性能。量子遺傳算法通常采用量子旋轉(zhuǎn)門實(shí)現(xiàn)進(jìn)化操作，因量子旋轉(zhuǎn)角偏小等原因，導(dǎo)致算法搜索解的效率低，容易出現(xiàn)迭代次數(shù)多、計(jì)算時(shí)間長(zhǎng)、易陷入局部極值等問題。針對(duì)以上問題，本文對(duì)量子遺傳算法作改進(jìn)，主要工作如下:
　　(1)提出了一種低偏差蒙特卡羅序列量子遺傳算法(Low-DiscrepancyQuantum Genetic Al

2、gorithm，LDQGA)，利用低偏差蒙特卡羅序列良好的均勻分布特性改善遺傳算法探索與利用平衡的問題，主要方法為:一是設(shè)計(jì)一種Hε量子旋轉(zhuǎn)門，該旋轉(zhuǎn)門采用均勻的低偏差序列采樣量子疊加態(tài)，提高了算法對(duì)解空間的探索能力，從而使算法不易陷入局部最優(yōu);二是設(shè)計(jì)一種Pareto集鄰域搜索，在當(dāng)前解上使用低偏差序列進(jìn)行局部搜素，提高算法利用當(dāng)前解找到更優(yōu)解的能力。在5個(gè)復(fù)雜連續(xù)函數(shù)優(yōu)化問題上的實(shí)驗(yàn)結(jié)果表明:所提算法的全局尋優(yōu)能力、收斂速度、迭代次