量子遗传算法.pptx

《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