一种改进的量子遗传算法研究

一种改进的量子遗传算法祁正萍;孙合明【期刊名称】《科学技术与工程》【年(卷),期】2012(012)012【摘要】针对量子遗传算法存在储存量大和易陷入局部最优解等问题,提出一种新的量子遗传算法.该算法采用角度编码方式表示染色体,从而减少编码的存储空间.引入小区间方法初始化量子种群,使量子染色体均匀分布于初值空间.利用改进的旋转门对种群进行更新操作.采用动态的量子步长调整策略实现自适应搜索.引入量子交叉和量子变异操作防止早熟问题.通过典型的多峰值函数优化实验,表明该算法具有收敛速度快、全局寻优能力强和计算时间短的特点,可以用于多峰值函数优化问题.%Aimed at the problem of large storage capacity and easily falling into local optimum, a novel improved quantum genetic algorithm is presented. The algorithm adopts an angle-coding method to reduce the storage space of chromosomes. For the quantum chromosomes are distributed averagely in space of initial value, small interval method is used to initialize quanta swarm. It uses the improved quantum rotation gates to renew the population and realizes adaptive search by the adjustment strategy of dynamic quantum step and uses the operation of quantum crossover and quantum mutation to prevent the premature problem. Through the typical multi-peak function optimization test, it shows that the algorithm has the faster convergence rate, the stronger global optimization ability and theshorter computing time. The algorithm can be used for multi-peak function optimization problem.【总页数】5页(P2835-2839)【作者】祁正萍;孙合明【作者单位】河海大学理学院,南京211100;河海大学理学院,南京211100【正文语种】中文【中图分类】TP301.6【相关文献】1.一种改进型边缘检测的混合量子遗传算法 [J], 朱洁;左欣;王朋2.一种基于免疫变异算子的改进型量子遗传算法 [J], 陶杨;韩维;陶春明;胡倩影3.一种基于浓度调节的改进型量子遗传算法 [J], 胡小祥;刘漫丹4.一种改进量子遗传算法在地空反辐射混编群兵力配置优化中的应用 [J], 季军亮; 汪民乐; 商长安; 高嘉乐5.云计算下的一种基于改进的量子遗传算法在资源分配的研究 [J], 毛莉君;王林兵;张燕因版权原因，仅展示原文概要，查看原文内容请购买。

改进进化方向的量子遗传算法
安秀芳
【期刊名称】《实验室研究与探索》
【年(卷),期】2017(036)012
【摘要】为提高量子遗传算法的全局搜索速度和精度,提出改进进化方向的量子遗传算法(QGAIED).该方法通过计算优化方向和参照当前全局最优解,实现了进化步长的自适应调整.在步长的调整过程中,QGAIED通过权值同时控制两个优化方向,在保证全局搜索能力的同时也提高了搜索速度.将该方法应用于数学优化和工程优化,结果表明,该方法能够快速准确的寻找到全局最优解.
【总页数】5页(P61-64,77)
【作者】安秀芳
【作者单位】徐州工业职业技术学院信息与电气工程学院,江苏徐州221400
【正文语种】中文
【中图分类】TP18
【相关文献】
1.遗传算法引入进化方向算子的一个改进及应用 [J], 樊会元;王尚锦;席光
2.改进进化方向的遗传算法与结构遗传设计 [J], 高峰;胡俏;王章海;王德俊
3.基于改进量子遗传算法的机械臂轨迹优化 [J], 周晟
4.基于改进云量子遗传算法的动态频谱分配 [J], 焦传海;杜奕航
5.基于改进量子遗传算法的模型交互修正方法 [J], 向胜涛;王达
因版权原因，仅展示原文概要，查看原文内容请购买。

量子遗传算法及其改进与应用作者：于合谣刘蕊蕊冀鹏飞来源：《时代金融》2017年第21期【摘要】文章在介绍基本量子遗传算法（QGA）的原理、方法和基本流程的基础上，主要归纳总结了最近几年QGA的改进，包括理论基础的编码扩展、算子的创新和量子门旋转角度、复杂高维函数优化、混合算法等，以及新的应用研究成果，以及在不同领域的一些应用，进而提出了QGA未来的发展方向。

【关键词】遗传算法量子遗传算法量子门人脸识别一、引言量子遗传算法（Quantum Genetic Algorithm），简称QGA，结合了量子计算的并行运算和遗传算法的种群多样性等优势，具有较高的全局搜索效率和种群多样性[1]。

在遗传算法中，通过对适应度函数的研究，可以提升遗传算法的优化效果[1]。

Narayanan等人[2]最先提出量子衍生遗传算法（QIGA）的概念；紧接着Han等人[3]提出真正意义上的基于量子比特和量子态叠加特性的量子遗传算法（QGA），并应用到解决背包问题，实现了比常规遗传算法更好的效果。

目前，量子遗传算法的研究已经取得了一些研究成果，文献[4]总结了2011年以前对量子遗传算法的研究进展情况。

二、量子遗传算法QGAQGA算法：基于量子位的表示方法和量子力学的态叠加原理，QGA的具体算法如下：第一，初始化，包含n个个体的种群，其中Ptj（j=1，2，…，n）为种群中第t代的一个个体，且有，其中m为量子位数目，即量子染色体的长度。

在开始时，所有αi，βi（i=1，2，…，m）都取。

第二，根据P（t）中概率幅的取值情况构造出R（t），，其中是长度为m的二进制串。

第三，用适应值评价函数对R（t）中的每个个体进行评价，并保留次代中的最优个体。

若获得满意解，则算法终止，否则，转入第四继续进行。

第四，使用恰当的量子门U（t）更新P（t）。

第五，遗传代数t=t+1，算法转至第二继续进行。

三、量子遗传算法QGA的改进目前，对量子遗传算法的研究主要集中在染色体编码方式和参数更新方面，其本质仍是单纯的引入量子计算的基本原理。