改進量子遺傳演算法在多峰值函式尋優中的應用優秀論文

　　摘要：針對標準量子遺傳演算法（QGA）在尋找多峰值最優時存在區域性尋優能力較差和易早熟的缺陷，提出一種改進量子遺傳演算法（QQGA），運用基於機率劃分的小生境協同進化策略初始化量子種群，並採用動態量子旋轉角調整策略來加快收斂速度；加入量子移民和保優選擇策略，提高規劃效率，避免陷入區域性最優。利用複雜二元函式測試改進量子遺傳演算法，結果比標準量子遺傳演算法效率高。

　　關鍵詞：量子遺傳演算法；多峰值函式；最佳化

　　Abstract：According to has the poor local searching ability and precocity in search of multi peak optimization，so this paper proposed an improved quantum genetic algorithm （QQGA），which uses the probability of evolutionary strategy with niche to initiate the quantum population， and the dynamic quantum rotating angle adjustment strategy to speed up the convergence speed；and adds quantum immigration and elitist selection strategy to improve the planning efficiency and avoid falling into local optimal. Then the paper uses complex function of two variables to test the improved quantum genetic algorithm， and the result proves that the improved quantum genetic algorithm has higher efficiency.

　　Key words：quantum genetic algorithm； multipeak functions； optimization

　　1 引言

　　因此，本文提出改進量子遺傳演算法求解多峰值函式最優值，並進行了模擬實驗，結果證明了該方法是有效可行的。

　　2 量子遺傳演算法及其改進

　　在量子遺傳演算法中，最重要的是量子編碼和量子門的引入。量子編碼是將染色體用量子的態矢量表示，使一條染色體表達多個態的疊加，從而增加了種群多樣性，使演算法能夠在較小的種群規模下求得最優解；而量子門的引入使演算法具備了最佳化能力，可以保證演算法收斂[5]。

　　2.1 量子編碼

　　如圖2，各種群之間透過移民運算元進行聯絡，實現多種群的協同進化，本文的移民運算元是在相鄰種群間移民，即用當前種群中的'最優個體代替相鄰種群的最劣個體。加入人工選擇運算元儲存各種群每個進化代中的最優個體。每迭代一次進行一次移民和人工選擇運算，選出各種群的最優值存到精華種群。精華種群和其他種群有很大不同，精華種群不進行量子變更，保證進化過程中各種群產生的最優個體不被破壞和丟失。同時，精華種群也是判斷演算法終止的依據，這裡採用最大遺傳代數作為終止判據。最後從精華種群中獲得最優個體。

　　3 結束語

　　本文針對標準量子遺傳演算法收斂性差，易陷於區域性最優的缺點，進行改進運用基於機率劃分的小生境協同進化策略初始化量子種群，並採用動態的量子旋轉角調整策略來加快收斂速度；加入量子移民和保優選擇策略，提高規劃效率，避免陷入區域性最優。並利用複雜二元函式測試改進量子遺傳演算法，顯示了優良的特性。

　　參考文獻

　　[2] 周傳華，錢鋒.改進量子遺傳演算法及其應用[J].計算機應用，200802，28（2）：286-288.

　　[4] 張葛樣，李娜，金煒東.一種新量子遺傳演算法及其應用[J].電子學報，2004，32（3）：476-479.

　　[5] 張宗飛.一種改進型量子遺傳演算法[J].計算機工，201003，36（6）：181-183.