《量子遗传算法.pptx》由会员分享,可在线阅读,更多相关《量子遗传算法.pptx(13页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
1、遗传算法量子遗传算法程序实现第1页/共13页遗传算法第2页/共13页达尔文认为,生物之间存在着生存争斗,适应者生存下来,不适者则被淘汰,这就是自然的选择。生物正是通过遗传、变异和自然选择,从低级到高级,从简单到复杂,种类由少到多地进化着、发展着。遗传算法(Genetic Algorithms,GA)是一类借鉴生物界自然选择和自然遗传机制的随机化搜索算法。它模拟自然选择和自然遗传过程中发生的繁殖、交叉和基因突变现象,在每次迭代中都保留一组候选解,并按某种指标从解群中选取较优的个体,利用遗传算子(选择、交叉和变异)对这些个体进行组合,产生新一代的候选解群,重复此过程,直到满足某种收敛指标为止。达尔
2、文进化论:物竞天择,适者生存遗传算法1第3页/共13页1基本过程遗传算法第4页/共13页1 优点1主要特点遗传算法2不是盲目穷举,而是启发式搜索;适应度函数不受连续、可微等条件的约束,适用范围很广。34 容易实现。一旦有了一个遗传算法的程序,只需要改变一下适应度函数就可以应用于其他问题。缺点1群体搜索,易于并行化处理;设置不当,会造成迭代次数多,收敛速度慢,全局搜索能力不强,很容易陷入局部最优解。第5页/共13页量子遗传算法第6页/共13页(1)量子遗传算法是量子计算与遗传算法相结合的智能优化算法,其将量子态、量子门、量子状态特性、概率幅等量子概念引入到遗传算法当中。量子遗传算法也是一种概率搜
3、素算法,它采用量子位来表示基因。遗传算法的基因所表达的是某一确定的信息,而量子遗传算法中,由于量子信息的叠加性使量子位所表达的基因包含所有可能的信息。(2)在量子遗传算法中,用量子比特(由0和1两个量子态描述)来表示个体基因,即=0+1,式中和的平方和为1,因此基因链比原始算法多一倍。根据叠加原理,该基因可以为“0”态或“1”态,或他们的任意叠加状态。因此基因不在表达一确定信息,而是包含所有可能的信息。2基本概念量子遗传算法第7页/共13页2基本步骤量子遗传算法step1:初始化父代染色体step2:对每个染色体基因位即量子位进行测量,得到一个状态,即二进制编码。对每个状态计算适应度,记录最佳
4、个体及适应度。step3:遗传进化设定的代数,其中采用量子旋转门对每一代染色体进行遗传变异。step4:达到终止条件,输出最佳个体及适应度。第8页/共13页程序实现第9页/共13页3各子程序功能程序实现InitPop函数:用量子比特矩阵表示初始种群,初始时,各情况是等概率的。Collapse函数:对种群进行测量,把量子比特矩阵,转换成二进制编码矩阵。Qgate函数:根据每个个体的适应度和最优适应度之间的关系,调整各个基因的量子比特值,使其向着有利于BEST 的方向演化FitnessFunction函数:根据优化问题,计算各个个体的适应度。Objfunction函数:把基因中的二进制编码转换,为
5、公式中使用的十进制数。QuantumMain函数:主函数,根据量子遗传算法的基本步骤,求解优化问题。第10页/共13页3执行结果分析程序实现1、由于Collapse函数中存在随机数,故每次 运行的过程都会有所不同。2、本程序使用的时固定的旋转角,可调整为 可变旋转角,可优化运行过程。3、可以考虑加入交叉运算,使每个个体的进 化收到其他个体的影响。4、可加入变异操作,以防止程序陷入局部最 优解。5、可加入大灾变,引入大扰动,避免陷入局 部最优解。第11页/共13页感 谢聆 听第12页/共13页Report Powerpoint Presentation Template Add Your Title1感谢您的观看!第13页/共13页