量子遺傳算法及其在組合優(yōu)化問題中的應(yīng)用.pdf

1、量子遺傳算法是一種將量子計算理論與遺傳算法相結(jié)合的概率搜索優(yōu)化方法。與傳統(tǒng)的遺傳算法比較，該算法具有更好的種群多樣性和計算并行性，因而具有更快的收斂速度、更高的搜索效率和更強(qiáng)的全局尋優(yōu)能力。作為一種新的演化計算方法，量子遺傳算法已開始被用于一些復(fù)雜優(yōu)化問題的求解，并取得了良好的效果。本文研究量子遺傳算法及其在組合優(yōu)化問題中的應(yīng)用。
　　 論文首先闡述了量子遺傳算法的基本原理和實(shí)現(xiàn)方法。介紹了量子遺傳算法的一些基本概念，如量子計算

2、、量子位編碼和量子門操作等。給出了一般量子遺傳算法實(shí)現(xiàn)的詳細(xì)步驟和程序流程。之后，采用幾個典型的復(fù)雜函數(shù)對量子遺傳算法的優(yōu)化性能進(jìn)行了測試分析，結(jié)果表明，量子遺傳算法在尋優(yōu)能力和收斂速度上優(yōu)于傳統(tǒng)的遺傳算法。
　　 論文研究了量子遺傳算法的幾種改進(jìn)方法，用數(shù)值實(shí)驗對這些改進(jìn)的量子遺傳算法的性能進(jìn)行了測試，得到如下結(jié)論：與一般量子遺傳算法比較，在量子遺傳算法中引入交叉操作，可以增加種群的多樣性，提高算法的全局搜索能力；引入變異操作

3、，可以改善算法的局部搜索能力；采用Hs門代替量子旋轉(zhuǎn)門，則可有效地避免早熟收斂，使算法更適合于解決有多個局部最優(yōu)解的問題；雖然小生境淘汰策略在與傳統(tǒng)遺傳算法相結(jié)合時可以增加種群的多樣性，然而實(shí)驗證明它并不適合于量子遺傳算法。
　　 論文著重研究了量子遺傳算法在兩類組合優(yōu)化問題中的應(yīng)用。提出了一種帶修復(fù)函數(shù)的量子遺傳算法用于求解背包問題。該方法除采用量子位編碼染色體和量子旋轉(zhuǎn)門個體更新策略外，對于運(yùn)行過程中產(chǎn)生的非法解，采用一種修