一种基于量子机制的智能优化算法制造技术

本发明专利技术涉及一种基于量子机制的智能优化算法。该算法将量子机制引入到进化算法中，并根据实际问题的不同，将量子进化算法同优化算法组合，既保持了种群的多样性，又加速了进化算法的收敛速度，组合算法可以发挥两个算法的优点，使得算法的适应性更强。

【技术实现步骤摘要】

本专利技术涉及一种基于量子机制的智能优化算法。
技术介绍
智能优化算法，如人工神经网络、遗传算法、模拟退火、粒子群算法及其优化策略等，通过模拟或揭示某些自然现象或过程而得到发展，其内容涉及数学、物理学、生物进化、人工智能、神经科学和统计力学等方面，为解决复杂问题提供了新的思路和手段。量子计算利用了量子理论中有关量子态的叠加、纠缠和干涉等特性，通过量子并行计算使得某些在经典计算机上计算复杂度很高的问题有可能降低其复杂度。由于量子计算机尚未实现，因此如何在传统计算机利用量子计算也是一个研究的热点。本专利技术属于智能优化算法的一种，利用量子机制的优点，进一步提高优化算法的求解能力及运算效率。相关参考文献：[1] Michael A.Nielsen，Isaac L.Chuang. Quantum Computation and Quantum Information. Cambridge University Press，2000。[2] Barenco A., Deutsch D., Ekert A.and Jozsa R.Conditional quantum dynamics and logic gates. Phys. Rev. Lett.，1995，74 (20): 4083-4088。[3] Shor P.W. Quantum Computing. Proceedings of the International Congress of Mathematicians，1998：467-486。[4] 王凌，吴昊，唐芳，郑大钟，金以慧. 混合量子遗传算法及其性能分析. 控制与决策， 2005，20(2): 156-160。[5] 夏培肃. 量子计算. 计算机研究与发展，2001，38(10): 1153-1171。
技术实现思路
本专利技术在智能优化算法的基础上，引入了量子机制，对智能优化算法进行了若干的改进，根据求解问题的不同，将不同的优化算法组合以取得更好的求解能力。量子组合优化算法(Quantum Combinatorial Optimal Algorithm，QCOA)。算法分为两个阶段，分别采用量子进化算法和智能优化算法对两个不同群体GroupI与GroupII进行优化，两个群体之间相互联系相互影响，GroupI与GroupII的群体规模分别为n，2n，GroupII的n个初始个体来源于GroupI，同时GroupII中的最优解将指导GroupI中1/4初始个体的生成。通过两阶段优化以保持种群的多样性，避免早熟，根据不同的问题采用不同的算法同量子进化算法相结合，以提高算法的适应性。组合优化算法(QCOA)将整个种群分为两部分GroupI and GroupII，如图1所示，GroupI种群规模为n，利用量子进化算法进行优化；GroupII种群规模为2n，利用智能优化算法进行优化。智能优化算法根据不同的应用问题选择不同的优化算法，例如连续性问题可以选用粒子群优化算法。GroupI and GroupII是相互独立的，又是相互联系的，我们将在算法流程中给出二者之间的关系。组合优化算法流程见图2。 算法分为两个阶段，第一阶段对GroupI利用量子进化算法进行优化，第二阶段采用智能优化算法对GroupII进行优化。下面我们将对两个阶段分别给出解释。1)第一阶段，当t≠0时，算法要从GroupII中选择一个最优个体，作为指导，生成GroupI中一部分初始个体。也就是说，根据当前最优个体推出一个指导量子染色体，然后在它的周围随机散布量子染色体作为下一代的量子种群，用公式表示为其中Pc(t)为到第t代为止的最优个体，Qg为指导量子染色体，a为Pc(t)影响因子，b为量子种群随机散布的方差。normrnd(0，1)产生0到1之间的随机数。采用上述的观察方式，要以概率1得到染色体P =[0 0 1 1 0]，只需令量子染色体Q =[1 1 0 0 1]，即Q = 。如果P 是搜索空间中的最优解，则种群中的量子染色体越接近Q，得到最优解的概率越大。a的值越小，量子种群受的影响越大，当a =0 时，，观察后将以概率1得到P。一般取，b[0.1，0.3]。2) 同一般进化算法不同的是，在GroupII中初始种群中有n个个体来自于GroupI，余下的n个个体是上一代中适应度最好的n个个体。第一阶段GroupI种群规模为n，这n个个体将在第二阶段被加入到GroupII中，GroupII在上一代进化完成后淘汰掉了n个个体，再加上完成第一阶段后加入的n个个体，这样保证了第二阶段GroupII的种群规模为2n。3)将量子进化算法同一般优化算法结合，量子进化计算的结果可以增加优化算法中种群的多样性，优化算法反过来对量子进化的指导，可以加速量子进化计算的收敛，将二者结合可以发挥两个算法的优点，使得算法的适应性更强。本文档来自技高网...

【技术保护点】
一种基于量子机制的智能优化算法，其特点在于：算法将量子机制引入到智能优化算法中，充分利用量子计算的优点，以保持种群的多样性；结合实际问题选择智能优化算法与量子机制算法组合，以发挥优化算法的优势，加速量子机制算法的收敛，将二者结合可以发挥两个算法的优点，使得算法的适应性更强。

【技术特征摘要】
1.一种基于量子机制的智能优化算法，其特点在于：算法将量子机制引入到智能优化算法中，充分利用量子计算的优点，以保持种群的多样性；结合实际问...

【专利技术属性】
技术研发人员：丰小月，管仁初，梁艳春，
申请(专利权)人：丰小月，
类型：发明
国别省市：吉林;22