量子遗传算法研究

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

1 遗传 算法及量子算 法
遗传算法( G e n e t i c A l g o i r t h m s , G A ) 是一种模拟生 物进化过程 的计算模 型。遗传算法有 3 个基本的算 子: 选择 、 交叉和变异。遗传算法是一种全局优化算 法 。它是从代表问题可能潜在的解集 的一个种群 开 始 的, 而一 个 种群 则 由经过 基 因编码 的一定 数 目的个 体组成 。每个个体实际上是染色体带有特征的实体。 染色体作为遗传物质的主要载体 ,即多个基 因的集
第2 6卷
第 1 期
电 脑 开 发 与 应 用
( 总0 0 0 9 )
・ 9・
பைடு நூலகம்
文章编号 : 1 0 0 3 — 5 8 5 0 ( 2 0 1 3 ) 0 1 - 0 0 0 9 - 0 3
量子遗传算法研究
白 小 宝 ( 山西财经大学信息管理学院 太原 0 3 0 0 0 6 )
进行组合交叉和变异,产生出代表新的解集的种群 。 然后不断重复上述过程 , 不断进化 , 末代种群 中的最 优个体经过解码 , 可以作为问题近似最优解 。 在现在的工作中, 遗传算法已经不能很好地解决 大规模计算量的问题 , 对新空间搜索能力有限 , 很容 易陷入早熟。 所以人们常常用其他算法与遗传算法结 合来解决问题 , 这些都是 G A的衍生算法。 量子计算 ( Q u a n t u m C o m p u t a t i o n , Q C ) 的研究始 于 1 9 8 2 年, 量子图这一概念的提出, 为量子计算的发展 提供 了基础。量子算法与其他经典算法 比较而言 , 最 大的特点是利用了量子理论 中有关量子态的叠加 、 纠 缠和干涉等特性 , 它和其他经典算法最本质的区别在 于它具 有量 子 并行 性 。 通过 量子 并行 计算 有可 能解 决 经典计算中的 N P问题。 但由于初期人们对量子算法
a n d t h e t r a d i t i o n a l g e n e t i c a l g o i r t h m we p r o g r a m i n ma t l a b .
Ke y w o r d s : g e n e t i c a l g o i r t h m s , q u a n t u m a l g o i r t h ms , q u a n t u m g e n e t i c lg a o r i t h m, Q - g a t e

要: 量子遗传算法是在遗传算法中引入量子计算 的概 念 , 是2 0 世纪 9 0 年 代新 兴的研究领域 。介绍 了遗传算
( Q G A) 的基本理论与方法 。并在 M a t l a b下编程对量子遗传算法与
法( G A) 和量子算法( Q c ) 的特 点 , 以及量子 遗传算 传统遗传算法 的效率进行 比较 。
关键词 : 遗传算法 , 量子算法 , 量子遗 传算 法 , 量子旋转门 中图分类 号: T P 3 0 1 . 6 文献标识码 : A
R e s e a r c h o n Qu a n t u m Ge n e t i c A l g o r i t h m
BAl Xi a o -b a o
c h a r a c t e r i s t i c s o f t h e g e n e t i c a l g o i r t h m ( G A)a n d q u a n t u m a l g o r i t h m ( Q c) 。a n d t h e b a s i c t h e o r y a n d me t h o d o f t h e q u a n t u m g e n e t i c a l g o i r t h m ( Q G A) . T o c o m p a r e t h e e f i f c i e n c y o f q u a n t u m g e n e t i c a l g o i r t h m
Ab s t r a c t :Q u a n t u m g e n e t i c a l g o i r t h m i s a g e n e t i c a l g o r i t h m i n t r o d u c e d t h e c o n c e p t o f q u a n t u m
合, 其 内部表现是某种基 因组合。因此 , 在一开始要
实现从表现型到基因型的映射 即编码操作 ,为 了简 化操作 , 我们一般将数据转化为二进制的编码形式参 与计算。然后用适应度函数来评估个体的优劣, 根据 适应度结果的大小, 从群体中选择 出比较适应环境的 个体 , 这 些选 中的个体 用 于繁 殖下 一代 。在选 中用 于 繁殖下一代的个体中, 借助于自然遗传学的遗传算子
( C o l l e g e o f I n f o r m a t i o n M a n a g e m e n t . S h a n x i U n i v e r s i t y o f F i n a n c e E c o n o m i c s , T a i y u a n 0 3 0 0 0 6 , C h i n a )
c o mp u t i n g , i t i s t h e e me r g i n g i f e l d o f r e s e a r c h i n t h e 9 0 s o f t h e l a s t c e n t u r y .T h i s a r t i c l e d e s c ib r e s t h e
相关文档
最新文档