發(fā)布時(shí)間：2018-01-18 02:26

  本文關(guān)鍵詞：量子遺傳算法的改進(jìn)與研究　出處：《渤海大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 量子計(jì)算 量子遺傳算法 經(jīng)典測試函數(shù) 非門變異操作 小生境協(xié)同進(jìn)化策略

【摘要】：量子遺傳算法(Quantum Genetic Algorithm,簡稱QGA),它來源于量子計(jì)算和遺傳算法的有機(jī)整合,具有尋求最優(yōu)解能力突出、計(jì)算速率較快和整體計(jì)算規(guī)模較小的優(yōu)點(diǎn)。學(xué)術(shù)界已經(jīng)證實(shí)對于復(fù)雜問題的求解,用這種計(jì)算方法能夠有效的提高精度和運(yùn)算效率。但是,量子遺傳算法在復(fù)雜函數(shù)優(yōu)化問題上仍存在迭代次數(shù)多、收斂速度慢、較易陷入局部最優(yōu)解的不足。為此本文基于量子遺傳算法的不足作出了改進(jìn)。具體工作如下:(1)深入研究了量子計(jì)算、遺傳算法和量子遺傳算法基本原理,分析歸納出它們的優(yōu)缺點(diǎn)。(2)為提高算法的收斂速度和精確度,提出了一種基于小生境改進(jìn)的量子遺傳算法,將小生境協(xié)同進(jìn)化策略引入量子遺傳算法的種群初始化過程中對算法進(jìn)行改進(jìn),在更新過程中采用動態(tài)調(diào)整量子旋轉(zhuǎn)門策略和量子非門變異操作。并通過測試函數(shù)(Schaffer函數(shù)和DeJong函數(shù))對算法進(jìn)行驗(yàn)證。(3)由于小生境改進(jìn)的量子遺傳算法加入了量子非門變異操作,使得算法可能丟失優(yōu)秀的信息,導(dǎo)致算法陷入局部極值。因此,利用Hadamard門變異操作代替了原有的量子非門變異操作,算法在增加種群多樣性的同時(shí)還避免了在更新過程中丟失優(yōu)秀信息,提高算法的全局搜索能力。(4)為驗(yàn)證改進(jìn)算法的有效性和可行性,通過經(jīng)典測試函數(shù)對算法進(jìn)行優(yōu)化驗(yàn)證,并將改進(jìn)算法應(yīng)用到了實(shí)際醫(yī)療數(shù)據(jù)分析。
[Abstract]:Quantum Genetic algorithm (QGAA) is derived from the organic integration of quantum computation and genetic algorithm. It has the advantages of searching for the best solution, fast computing rate and small scale of overall calculation. The academic circles have proved that the solution of complex problems. This method can effectively improve the accuracy and computational efficiency. However, quantum genetic algorithm still has many iterations and slow convergence rate in complex function optimization problems. It is easy to fall into the deficiency of local optimal solution. For this reason, this paper makes an improvement based on the deficiency of quantum genetic algorithm. The specific work is as follows: 1) the basic principles of quantum computation, genetic algorithm and quantum genetic algorithm are studied in depth. In order to improve the convergence speed and accuracy of the algorithm, an improved quantum genetic algorithm based on niche is proposed. The niche coevolution strategy is introduced into the population initialization of quantum genetic algorithm (QGA) to improve the algorithm. In the course of updating, the dynamic adjusting quantum revolving gate strategy and quantum non-gate mutation operation are adopted. The algorithm is verified by testing the function of Schaffer function and DeJong function. Because of niche improved quantum genetic algorithm, quantum non-gate mutation operation is added. The algorithm may lose excellent information, resulting in the algorithm falling into local extremum. Therefore, the original quantum non-gate mutation operation is replaced by the Hadamard gate mutation operation. The algorithm not only increases population diversity, but also avoids the loss of excellent information in the updating process, and improves the global search ability of the algorithm. 4) to verify the effectiveness and feasibility of the improved algorithm. The algorithm is optimized and verified by classical test function, and the improved algorithm is applied to actual medical data analysis.
【學(xué)位授予單位】：渤海大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張葛祥,李娜,金煒東,胡來招;一種新量子遺傳算法及其應(yīng)用[J];電子學(xué)報(bào);2004年03期

2 郭海燕,金煒東,李麗,羅碧華;分組量子遺傳算法及其應(yīng)用[J];西南科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年01期

3 郭海燕;基于混沌優(yōu)化的量子遺傳算法[J];西南科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年03期

4 黃蓓;王士同;;基于量子遺傳算法的非線性無約束優(yōu)化方法[J];微計(jì)算機(jī)信息;2006年08期

5 郭海燕;;基于混沌優(yōu)化的量子遺傳算法[J];電子測量技術(shù);2006年02期

6 李曉波;;淺談量子遺傳算法[J];科技信息(學(xué)術(shù)研究);2008年02期

7 呂友波;;量子遺傳算法在配餐中的應(yīng)用[J];商場現(xiàn)代化;2008年08期

8 許波;李智勇;王永;;改進(jìn)型量子遺傳算法求解機(jī)器人聯(lián)盟問題[J];計(jì)算機(jī)工程與應(yīng)用;2009年04期

9 滕皓;邵闊義;曹愛增;楊炳儒;;量子遺傳算法的變尺度混沌優(yōu)化策略研究[J];計(jì)算機(jī)應(yīng)用研究;2009年02期

10 梁昌勇;柏樺;蔡美菊;陸文星;;量子遺傳算法研究進(jìn)展[J];計(jì)算機(jī)應(yīng)用研究;2012年07期

相關(guān)會議論文 前10條

1 解光軍;操禮程;范海秋;;改進(jìn)型量子遺傳算法及其性能分析[A];第二十三屆中國控制會議論文集（下冊）[C];2004年

2 郭明;李飛;;一種解決認(rèn)知無線電頻譜分配的量子遺傳算法[A];2009年通信理論與信號處理學(xué)術(shù)年會論文集[C];2009年

3 皮海燕;陶志福;姚萌;;量子遺傳算法在較少探測點(diǎn)下的介電常數(shù)分布截面成像中的應(yīng)用[A];第七屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2009年

4 曾成;趙錫均;徐紅;;基于量子遺傳算法的聚類方法[A];第二十九屆中國控制會議論文集[C];2010年

5 劉欣;李飛;張杰;;一種求解最短路徑路由問題的量子遺傳算法[A];2009年通信理論與信號處理學(xué)術(shù)年會論文集[C];2009年

6 張治平;周樹德;;基于量子計(jì)算的智能優(yōu)化方法研究[A];第六屆全國信號和智能信息處理與應(yīng)用學(xué)術(shù)會議論文集[C];2012年

7 于文莉;李海;范輝;;量子遺傳算法在二維最大熵圖像分割中的應(yīng)用研究[A];2008通信理論與技術(shù)新發(fā)展——第十三屆全國青年通信學(xué)術(shù)會議論文集（下）[C];2008年

8 楊英;王錫淮;肖健梅;;基于QGA的物流配送中心配送優(yōu)化問題研究[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

9 王興林;李茂軍;張曉培;李亙;;改進(jìn)量子遺傳算法在Flow-Shop調(diào)度中的應(yīng)用[A];中國自動化學(xué)會中南六�。▍^(qū)）2010年第28屆年會·論文集[C];2010年

10 曾成;趙錫均;;基于量子遺傳算法的PID參數(shù)優(yōu)化研究[A];'2008系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2008年

相關(guān)博士學(xué)位論文 前1條

1 黃宇;基于量子計(jì)算的熱工過程辨識研究及應(yīng)用[D];華北電力大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 王寶偉;量子遺傳算法的改進(jìn)研究及在路由選擇問題中的應(yīng)用[D];山東師范大學(xué);2009年

2 郭海燕;量子遺傳算法改進(jìn)算法研究[D];西南交通大學(xué);2005年

3 楊英;遺傳算法和量子遺傳算法在物流系統(tǒng)優(yōu)化中的應(yīng)用[D];上海海事大學(xué);2007年

4 符麗錦;量子遺傳算法的改進(jìn)及在貨物配裝問題中的應(yīng)用[D];廣西大學(xué);2015年

5 吳凇;重型魚雷推進(jìn)電機(jī)極限比功率優(yōu)化設(shè)計(jì)研究[D];中國艦船研究院;2015年

6 尹廷武;改進(jìn)的量子遺傳算法及其在圖像分割中的應(yīng)用[D];東北石油大學(xué);2016年

7 黃山;低偏差蒙特卡羅序列量子遺傳算法的研究[D];廣西大學(xué);2016年

8 祁鵬;基于PXI總線的AMU測試系統(tǒng)軟件的設(shè)計(jì)與研究[D];中國民航大學(xué);2010年

9 田川;基于量子遺傳算法的拼車系統(tǒng)開發(fā)與實(shí)現(xiàn)[D];大連海事大學(xué);2016年

10 周仕平;三電平背靠背變換器的諧波消除與可靠性研究[D];安徽大學(xué);2017年

，

本文編號：1439056