量子遺傳算法是近年來愈發(fā)受人青睞的一種智能優(yōu)化算法。較之傳統(tǒng)遺傳算法,將量子計(jì)算中的相關(guān)理論融入遺傳算法,利用量子相干性和量子疊加態(tài)等量子特性,能夠有效地提升算法的性能。然而,在面對一類形如多峰、不可微或者不連續(xù)的惡劣性質(zhì)問題中,原生框架下的量子遺傳算法仍有可能陷入局部尋優(yōu)或者過早收斂的窘境。因此,針對上述問題,本文將若干局部搜索策略引入量子遺傳算法,借助動(dòng)態(tài)逆概率幅和雙向解碼等算子,提出了一種改進(jìn)的量子遺傳算法,以便能夠更好地適應(yīng)并解決問題。本文首先闡述了量子遺傳算法同遺傳算法一脈相承的進(jìn)化過程與進(jìn)化機(jī)理,深入分析了兩者的共通點(diǎn)和差別。然后,對近年來量子遺傳算法的相關(guān)研究與發(fā)展給予一定的敘述。接著,結(jié)合當(dāng)前量子遺傳算法自身所存在的局限性、在處理問題時(shí)所遇到的瓶頸,對算法的運(yùn)算流程進(jìn)行適當(dāng)改進(jìn),包括編碼方式、各項(xiàng)參數(shù)的設(shè)定、各個(gè)算子功能的設(shè)計(jì)等等。本文所涉及的算子主要包括:動(dòng)態(tài)逆概率幅算子、雙向解碼算子、量子旋轉(zhuǎn)門和量子非門。再后,對改進(jìn)后量子遺傳算法各功能區(qū)塊運(yùn)用開發(fā)工具進(jìn)行編程實(shí)現(xiàn)。在實(shí)現(xiàn)的過程中,既保障了相關(guān)算子的正確運(yùn)行,也確保了其本身在參與運(yùn)算過程中的有效性。最后,對開發(fā)出的... 

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【文章目錄】：
中文摘要
abstract
第1章 緒論
    1.1 研究背景
    1.2 研究內(nèi)容
    1.3 組織結(jié)構(gòu)
    1.4 研究方法
第2章 相關(guān)理論研究綜述
    2.1 基本遺傳算法
        2.1.1 遺傳算法理論基礎(chǔ)
        2.1.2 遺傳算法操作流程
        2.1.3 遺傳算子
        2.1.4 遺傳算法的發(fā)展
    2.2 量子遺傳算法
        2.2.1 量子計(jì)算的概念
        2.2.2 量子比特編碼
        2.2.3 量子旋轉(zhuǎn)門
        2.2.4 量子遺傳算法的發(fā)展
    2.3 量子遺傳算法操作流程
    2.4 局部搜索策略
    2.5 全局優(yōu)化問題綜述
    2.6 本章小結(jié)
第3章 算法設(shè)計(jì)
    3.1 算法設(shè)計(jì)
        3.1.1 編碼方案
        3.1.2 雙向解碼算子
        3.1.3 全干擾交叉算子
        3.1.4 量子變異
        3.1.5 動(dòng)態(tài)逆概率幅算子
        3.1.6 量子旋轉(zhuǎn)門設(shè)計(jì)
        3.1.7 種群劃分策略
    3.2 算法流程
    3.3 本章小結(jié)
第4章 基于局部搜索策略的量子遺傳算法應(yīng)用
    4.1 應(yīng)用場景
    4.2 實(shí)驗(yàn)環(huán)境
        4.2.1 實(shí)驗(yàn)平臺(tái)
        4.2.2 實(shí)驗(yàn)參數(shù)設(shè)置
        4.2.3 終止條件判定
    4.3 函數(shù)優(yōu)化應(yīng)用測試
        4.3.1 多局部極值型
        4.3.2 碗狀
        4.3.3 山谷狀
        4.3.4 山脊或水滴狀
第5章 總結(jié)與展望
    5.1 研究總結(jié)
    5.2 不足
    5.3 展望
參考文獻(xiàn)
致謝
申請學(xué)位期間的研究成果及發(fā)表的學(xué)術(shù)論文


【參考文獻(xiàn)】：
期刊論文
[1]集成電路技術(shù)領(lǐng)域最新進(jìn)展及新技術(shù)展望[J]. 朱進(jìn)宇,閆崢,苑喬,張少真.  微電子學(xué). 2020(02)
[2]基于災(zāi)變因子的量子遺傳算法研究[J]. 張秋艷,王默玉,申曉留,武書舟,閆麗娜,曹柳青.  計(jì)算機(jī)與數(shù)字工程. 2019(07)
[3]基于粒子群-遺傳混合算法的函數(shù)優(yōu)化研究[J]. 劉文英,張自魯,路慎強(qiáng),張曉燕.  計(jì)算機(jī)技術(shù)與發(fā)展. 2019(10)
[4]基于種群劃分與變異策略的粒子群優(yōu)化算法[J]. 張曉燕,赫俊民,劉文英,林亞林.  計(jì)算機(jī)與現(xiàn)代化. 2019(05)
[5]基于多算子協(xié)同進(jìn)化的自適應(yīng)并行量子遺傳算法[J]. 曲志堅(jiān),陳宇航,李盤靖,劉曉紅,李彩虹.  電子學(xué)報(bào). 2019(02)
[6]一種新的自適應(yīng)量子遺傳算法研究[J]. 馬瑩,王懷曉,劉賀,陳志龍.  計(jì)算機(jī)工程與應(yīng)用. 2018(20)
[7]蟻群算法的基本原理及應(yīng)用綜述[J]. 肖艷秋,焦建強(qiáng),喬東平,杜江恒,周坤.  輕工科技. 2018(03)
[8]基于Hadamard門變異的量子遺傳算法[J]. 鄂旭,蓋佳妮,周津,楊芳,劉春曉.  控制工程. 2018(01)
[9]多種群實(shí)數(shù)編碼遺傳算法在多峰函數(shù)優(yōu)化中的應(yīng)用[J]. 覃柏英,秦文東,林賢坤.  廣西科技大學(xué)學(xué)報(bào). 2015(03)
[10]通用量子計(jì)算機(jī):理論、組成與實(shí)現(xiàn)[J]. 吳楠,宋方敏,LIXiang-Dong.  計(jì)算機(jī)學(xué)報(bào). 2016(12)

博士論文
[1]全局優(yōu)化問題的幾類新算法[D]. 劉杰.西安電子科技大學(xué) 2015
[2]基于元模型的全局優(yōu)化算法研究[D]. 魏昕.華中科技大學(xué) 2012
[3]粒子群優(yōu)化算法的理論及實(shí)踐[D]. 張麗平.浙江大學(xué) 2005
[4]多智能體進(jìn)化模型和算法研究[D]. 鐘偉才.西安電子科技大學(xué) 2004

碩士論文
[1]量子遺傳算法的改進(jìn)與研究[D]. 蓋佳妮.渤海大學(xué) 2017
[2]粒子群優(yōu)化算法的改進(jìn)及應(yīng)用[D]. 居鳳霞.華南理工大學(xué) 2014
[3]遺傳算法的改進(jìn)及其在結(jié)構(gòu)優(yōu)化中的應(yīng)用研究[D]. 羅欽平.中北大學(xué) 2012
[4]遺傳算法在DNA計(jì)算中的研究與應(yīng)用[D]. 范勝.安徽理工大學(xué) 2011
[5]量子智能算法及其在語音識別中的應(yīng)用[D]. 陳蘭.南京郵電大學(xué) 2011
[6]遺傳算法的改進(jìn)及其應(yīng)用研究[D]. 王璇.華北電力大學(xué)（北京） 2010
[7]自適應(yīng)小生境遺傳算法的研究[D]. 蔣昀昕.安徽理工大學(xué) 2008



本文編號：3678924