改進的量子遺傳算法及應用研究.pdf

1、量子信息科學是信息科學與量子力學結(jié)合的一門新興交叉科學。量子信息科學采用量子比特來表示量子態(tài)。遺傳算法是模仿生物自然選擇和遺傳機理，構(gòu)造一種隨機化搜索的人工智能算法。量子遺傳算法是遺傳算法與量子理論相結(jié)合的產(chǎn)物。量子遺傳算法在對許多具體問題的求解過程中，不需要問題特性的先驗知識，僅僅依靠所求問題的適應度函數(shù)信息，同時不受所求問題搜索空間的可導性、連續(xù)性等限制條件的約束。量子遺傳算法是采用量子旋轉(zhuǎn)門來實現(xiàn)算法的進化。
　　 量子遺

2、傳算法已被廣泛應用在函數(shù)優(yōu)化問題以及組合優(yōu)化問題上，但是由于在具體問題中，函數(shù)復雜，多樣，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題。最為突出的問題主要表現(xiàn)在：算法易陷入早熟，且難以脫離局部最優(yōu)解等方面。只能通過增強算法的局部搜索能力以及全局搜索能力來解決。
　　 本文首先對染色體編碼空間、量子旋轉(zhuǎn)門、變異算子、局部搜索的基本原理及搜索性能進行了分析和對比。在此基礎上，將編碼空間的動態(tài)調(diào)整，量子旋轉(zhuǎn)門角度的動態(tài)調(diào)整

3、，Pauli組合變異算子，局部搜索算子應用到量子遺傳算法中，設計出了一種改進的量子遺傳算法。該算法在進化過程中，能根據(jù)所求問題精度動態(tài)確定量子染色體基因長度的編碼方法，該編碼方法考慮了計算解的精度和搜索效率的一種平衡關系。動態(tài)調(diào)整變搜索步長，從而盡量保證算法在進化中有較強的搜索效率。通過對量子變異操作的組合增強種群的多樣性，確保算法在合理的計算代價內(nèi)有潛能搜索到高精度的解。理論分析和實驗數(shù)據(jù)表明：本文算法在求解連續(xù)函數(shù)優(yōu)化問題時，與傳統(tǒng)

4、量子遺傳算法相比，在求解精度和穩(wěn)定性等方面有了較大的改進。基于概率論理論，證明了該算法的收斂性。
　　 調(diào)心滾子軸承是傳統(tǒng)軸承中的一種，是指在有兩條滾道的內(nèi)圈和滾道為球面的外圈之間組裝鼓形滾子的軸承。調(diào)心滾子軸承的優(yōu)化設計問題是指如何去設計調(diào)心滾子軸承的尺寸大小而使軸承能夠承受最大的徑向載荷和軸向載荷。本文采用量子遺傳算法對不同的調(diào)心滾子軸承型號進行優(yōu)化設計，并且通過實驗驗證了該算法在調(diào)心滾子軸承優(yōu)化設計中的可行性和有效性，實驗