量子克隆算法的優(yōu)化及其應用研究.pdf

1、以模仿自然與生物機理為特征的智能優(yōu)化算法，能夠解決傳統(tǒng)優(yōu)化方法難以處理的問題，從而成為研究熱點。智能優(yōu)化算法一般都是建立在生物智能或物理現象基礎上的隨機搜索算法，這類新算法一般不要求目標函數和約束的連續(xù)性與凸性，甚至有時連有沒有解析表達式都不作要求，對計算中數據的不確定性也有很強的適應能力。量子克隆算法是將量子計算與克隆選擇算法相結合的一種新的智能優(yōu)化算法，具有重要的研究價值和實用價值。
　　 在量子克隆算法中，通過量子旋轉門實

2、現量子變異，雖然能有效增強群體的多樣性，但實現起來比較復雜，而且將顯著增加算法的時間復雜度。另外，量子克隆算法在進化后期，由于基因結構相同或類似的個體充斥整個種群，這樣將容易導致算法陷入局部最優(yōu)。量子克隆算法的克隆選擇操作只是將適應度值高的個體進行保留，選擇操作的目的應該是將生存度高的個體直接保留到下一代。針對上述問題，全文的主要研究內容如下:
　　 首先，分析了國內外量子克隆算法的發(fā)展歷程和國內外研究現狀，并且詳細分析了量子克

3、隆算法的設計理念和基礎概念，重點分析了量子克隆算法的基本框架和常見的算法操作算子。
　　 然后，針對量子克隆算法的量子變異操作存在的缺點，提出了一種改進的量子克隆算法，并將該算法成功應用到函數優(yōu)化問題中。仿真結果表明，本文所設計的改進量子克隆算法具有較快的全局收斂速度和較強的搜索能力，能有效地克服和避免遺傳算法的早熟收斂現象。
　　 最后，針對量子克隆算法的克隆選擇操作存在的缺點，提出了一種新的量子克隆算法，并將該算法成