基于量子遗传算法的函数寻优算法设计大学学位论文.doc

毕 业 论 文（设计） 题 目： 基于量子遗传算法的函数寻优算法设计 2015 年 5 月 13日 基于量子遗传算法的函数寻优算法设计 摘 要 量子遗传算法(QGA)是20世纪90年代后期兴起的一种崭新的遗传进化算法。该算法主要是将量子计算的概念引入其中，将量子的态矢量表达引入了遗传编码，使一条染色体可以表达多个信息态的叠加，同时利用量子旋转门实现染色体的演化，实现了目标解的进化。相比传统遗传算法，量子遗传算法能够在较小的种群规模下，快速的收敛到全局最优解。 本文首先介绍了量子遗传算法的基本原理与算法结构，然后对量子遗传算法提出疑问。虽然量子遗传算法的优化性能大大优于传统遗传算法，但是，对于一些多峰函数的优化问题，该类算法依旧容易陷入“局部最优”。在实际的应用中有很多优化问题都是多变量的连续优化问题，现有的量子遗传算法不能有效的解决这些问题。针对量子遗传算法容易陷入局部最优和未成熟收敛的缺陷，我们提出了一种新的优化算法——含有退火操作的量子遗传算法，该优化算法能够以可变的概率选择性地接受恶化的优化函数解，使种群解集的进化方向改变，不在依靠当前解进行遗传演化。从而使算法不易“早熟收敛”。而且在该算法中加入了全干扰的量子交叉操作，使各染色体能进行遗传信息的交换，使种群染色体更具有代表性。最后根据改进后的方案，对改进的量子遗传算法进行了数值仿真。有效地证明了改进算法在函数寻优方面的优越性。 【关键词】量子遗传算法，量子编码，退火思想，量子交叉，函数寻优Discovery of Function Extreme Value Based on Quantum Genetic Algorithm Abstract Quantum genetic algorithm (QGA) was originated in the late 1990s as a new genetic evolution algorithm, which introduces the concept of quantum computation into genetic algorithm, i.e., introducing quantum state vector expression of the genetic code so that a chromosome can express the superposition of multiple kinds of information. Moreover, the evolution of the chromosome by using quantum revolving door, realize the goal of evolution. Compared with the traditional genetic algorithm, The quantum genetic algorithm cans rapidly convergence to the global optimal solution under the smaller population size. This paper first introduces the basic principle of quantum genetic algorithm and algorithm structure. And then the defects existing in the current quantum genetic algorithm is proposed. Although quantum genetic algorithm to optimize performance greatly superior to the traditional genetic algorithm. Especially for multimodal function optimization problems, QGA also has the tendency to fall into local optimum. As for many multivariate continuous optimization problems in actual application, the existing QGA can not solve these problems effectively. Since QGA may be trapped in local optimum and the defect of premature convergence, we proposed a new algorithm,