計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)畢業(yè)論文 [精品論文] 多宇宙并行量子多目標(biāo)進(jìn)化算法及其應(yīng)用研究

1、計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)畢業(yè)論文計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)畢業(yè)論文[精品論文精品論文]多宇宙并行量子多多宇宙并行量子多目標(biāo)進(jìn)化算法及其應(yīng)用研究目標(biāo)進(jìn)化算法及其應(yīng)用研究關(guān)鍵詞：量子計(jì)算關(guān)鍵詞：量子計(jì)算量子進(jìn)化算法量子進(jìn)化算法多目標(biāo)優(yōu)化多目標(biāo)優(yōu)化水資源優(yōu)化配置水資源優(yōu)化配置摘要：量子進(jìn)化算法是將量子理論與進(jìn)化算法相結(jié)合而發(fā)展起來的一種新穎的概率搜索算法。它基于量子計(jì)算原理，采用量子比特編碼方式，以量子門作為更新種群的進(jìn)化操作算子。與傳統(tǒng)進(jìn)化算法相比，

2、量子進(jìn)化算法能夠更好的在探索與開發(fā)之間取得平衡，且具有種群規(guī)模小、收斂速度較快、全局尋優(yōu)能力強(qiáng)的特點(diǎn)。研究結(jié)果表明量子進(jìn)化算法在解決多目標(biāo)優(yōu)化問題上比傳統(tǒng)進(jìn)化算法具有更好的性能，但對于復(fù)雜優(yōu)化問題仍可能陷入局部最優(yōu)，尚未從根本上解決其早熟收斂問題。目前，一般的量子進(jìn)化算法都是基于單群體演化，沒有充分利用量子信息的多宇宙特性，多宇宙協(xié)同計(jì)算的思想是改進(jìn)該問題的可能方案。為了使量子進(jìn)化算法能夠有效的克服以上缺點(diǎn)，更好的解決實(shí)際中的優(yōu)化問題，

3、本文對此做了進(jìn)一步的研究。本文主要研究內(nèi)容和成果如下：(1)提出了一種新的基于量子計(jì)算的多目標(biāo)進(jìn)化算法，即多宇宙并行量子多目標(biāo)進(jìn)化算法。該算法主要思想如下：將所有的量子個(gè)體按給定的拓?fù)浣Y(jié)構(gòu)分成多個(gè)獨(dú)立的子種群，劃分為多個(gè)宇宙；采用目標(biāo)個(gè)體均勻分配原則和動態(tài)調(diào)整旋轉(zhuǎn)角機(jī)制對各宇宙量子個(gè)體進(jìn)行演化；宇宙之間采用最佳移民操作來交換信息，設(shè)計(jì)最優(yōu)個(gè)體保留方案以便各宇宙共享全局信息，提高算法的執(zhí)行效率。(2)基于偏序集理論和概率論，從理論上證明了

4、本文算法的收斂性，給出了算法的一個(gè)充分收斂條件。(3)多目標(biāo)01背包問題是個(gè)復(fù)雜的NP難問題，它能夠很好的檢驗(yàn)多目標(biāo)進(jìn)化算法的優(yōu)劣。本文將提出的算法應(yīng)用到9個(gè)背包問題中，充分驗(yàn)證了本文算法的有效性。仿真實(shí)驗(yàn)表明：本文算法不僅能更快更精確地逼近Pareto最優(yōu)前端，同時(shí)能夠維持Pareto最優(yōu)解分布的均勻性。(4)在實(shí)際應(yīng)用方面，本文選擇水資源優(yōu)化配置這一現(xiàn)實(shí)問題。運(yùn)用本文提出的算法，對某區(qū)域水資源進(jìn)行優(yōu)化配置，提出了一個(gè)合理有效的解決方

5、案，為該區(qū)域水資源優(yōu)化配置作出了有益的探索。確地逼近Pareto最優(yōu)前端，同時(shí)能夠維持Pareto最優(yōu)解分布的均勻性。(4)在實(shí)際應(yīng)用方面，本文選擇水資源優(yōu)化配置這一現(xiàn)實(shí)問題。運(yùn)用本文提出的算法，對某區(qū)域水資源進(jìn)行優(yōu)化配置，提出了一個(gè)合理有效的解決方案，為該區(qū)域水資源優(yōu)化配置作出了有益的探索。量子進(jìn)化算法是將量子理論與進(jìn)化算法相結(jié)合而發(fā)展起來的一種新穎的概率搜索算法。它基于量子計(jì)算原理，采用量子比特編碼方式，以量子門作為更新種群的進(jìn)化操

6、作算子。與傳統(tǒng)進(jìn)化算法相比，量子進(jìn)化算法能夠更好的在探索與開發(fā)之間取得平衡，且具有種群規(guī)模小、收斂速度較快、全局尋優(yōu)能力強(qiáng)的特點(diǎn)。研究結(jié)果表明量子進(jìn)化算法在解決多目標(biāo)優(yōu)化問題上比傳統(tǒng)進(jìn)化算法具有更好的性能，但對于復(fù)雜優(yōu)化問題仍可能陷入局部最優(yōu)，尚未從根本上解決其早熟收斂問題。目前，一般的量子進(jìn)化算法都是基于單群體演化，沒有充分利用量子信息的多宇宙特性，多宇宙協(xié)同計(jì)算的思想是改進(jìn)該問題的可能方案。為了使量子進(jìn)化算法能夠有效的克服以上缺點(diǎn)，

7、更好的解決實(shí)際中的優(yōu)化問題，本文對此做了進(jìn)一步的研究。本文主要研究內(nèi)容和成果如下：(1)提出了一種新的基于量子計(jì)算的多目標(biāo)進(jìn)化算法，即多宇宙并行量子多目標(biāo)進(jìn)化算法。該算法主要思想如下：將所有的量子個(gè)體按給定的拓?fù)浣Y(jié)構(gòu)分成多個(gè)獨(dú)立的子種群，劃分為多個(gè)宇宙；采用目標(biāo)個(gè)體均勻分配原則和動態(tài)調(diào)整旋轉(zhuǎn)角機(jī)制對各宇宙量子個(gè)體進(jìn)行演化；宇宙之間采用最佳移民操作來交換信息，設(shè)計(jì)最優(yōu)個(gè)體保留方案以便各宇宙共享全局信息，提高算法的執(zhí)行效率。(2)基于偏序集

8、理論和概率論，從理論上證明了本文算法的收斂性，給出了算法的一個(gè)充分收斂條件。(3)多目標(biāo)01背包問題是個(gè)復(fù)雜的NP難問題，它能夠很好的檢驗(yàn)多目標(biāo)進(jìn)化算法的優(yōu)劣。本文將提出的算法應(yīng)用到9個(gè)背包問題中，充分驗(yàn)證了本文算法的有效性。仿真實(shí)驗(yàn)表明：本文算法不僅能更快更精確地逼近Pareto最優(yōu)前端，同時(shí)能夠維持Pareto最優(yōu)解分布的均勻性。(4)在實(shí)際應(yīng)用方面，本文選擇水資源優(yōu)化配置這一現(xiàn)實(shí)問題。運(yùn)用本文提出的算法，對某區(qū)域水資源進(jìn)行優(yōu)化配置

9、，提出了一個(gè)合理有效的解決方案，為該區(qū)域水資源優(yōu)化配置作出了有益的探索。量子進(jìn)化算法是將量子理論與進(jìn)化算法相結(jié)合而發(fā)展起來的一種新穎的概率搜索算法。它基于量子計(jì)算原理，采用量子比特編碼方式，以量子門作為更新種群的進(jìn)化操作算子。與傳統(tǒng)進(jìn)化算法相比，量子進(jìn)化算法能夠更好的在探索與開發(fā)之間取得平衡，且具有種群規(guī)模小、收斂速度較快、全局尋優(yōu)能力強(qiáng)的特點(diǎn)。研究結(jié)果表明量子進(jìn)化算法在解決多目標(biāo)優(yōu)化問題上比傳統(tǒng)進(jìn)化算法具有更好的性能，但對于復(fù)雜優(yōu)化問

10、題仍可能陷入局部最優(yōu)，尚未從根本上解決其早熟收斂問題。目前，一般的量子進(jìn)化算法都是基于單群體演化，沒有充分利用量子信息的多宇宙特性，多宇宙協(xié)同計(jì)算的思想是改進(jìn)該問題的可能方案。為了使量子進(jìn)化算法能夠有效的克服以上缺點(diǎn)，更好的解決實(shí)際中的優(yōu)化問題，本文對此做了進(jìn)一步的研究。本文主要研究內(nèi)容和成果如下：(1)提出了一種新的基于量子計(jì)算的多目標(biāo)進(jìn)化算法，即多宇宙并行量子多目標(biāo)進(jìn)化算法。該算法主要思想如下：將所有的量子個(gè)體按給定的拓?fù)浣Y(jié)構(gòu)分成多