改進的并行量子遺傳算法研究.pdf

1、量子信息科學是量子力學與信息科學結合的一門新興學科。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,構造一種隨機搜索的計算智能算法。量子遺傳算法就是遺傳算法與量子計算與相結合,建立在量子的態(tài)矢量表述基礎上,將量子比特的概率幅表示應用于染色體的編碼,并利用量子門和量子非門實現更新種群的操作,讓種群朝向最優(yōu)目標進化,最終實現目標的優(yōu)化求解。量子遺傳算法在對許多具體問題的求解過程中,不用對問題特性的先驗知識,僅僅依

2、靠所求問題的適應度函數信息,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。
　　量子遺傳算法已在函數優(yōu)化以及組合優(yōu)化問題上得到了廣泛的應用,但由于在具體問題中,函數的復雜度、多樣性等不同,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在求解高維復雜函數時,算法易陷入早熟,且難以脫離局部最優(yōu)解等方面。
　　針對量子遺傳算法在求解高維函數優(yōu)化問題時存在的收斂速度慢、解的精度低的問題,

3、本文提出一種改進的并行量子遺傳算法(IPQGA)。首先,為了加快收斂速度,減少早熟現象,本文通過對并行量子遺傳算法和多核集群的深入研究,采用了~種基于多核集群下的混合并行量子遺傳算法實現模型。其次,提出了一種新的基于多尺度變換的動態(tài)編碼方法,它能有效解決全局和局部搜索中搜索空間、解的精度和收斂速度之間的沖突。最后,一種新的局部搜索策略引入到量子遺傳算法中,用局部搜索得到的新個體代替較劣的個體,使其跳出局部最優(yōu),增強種群的多樣性。