一种新型量子进化方法
【技术领域】
[0001] 本发明涉及优化方法领域，更具体的说，是涉及一种引入精英群组和状态偏好的 新型量子进化方法。
【背景技术】
[0002] 量子进化方法建立在量子的态矢量表述基础上，用量子比特的几率幅来表示染色 体的编码，使得一条染色体可以表达多个态的叠加，并利用量子旋转门和量子非门实现染 色体的更新操作，从而实现了目标的优化求解。但是，现有量子方法收敛方向无法有效控 制，可能会出现退化现象。目前，针对量子进化方法有很多改进方法，但都没有有效地解决 收敛方向的问题，因此，如何提高量子进化方法的收敛速度，控制收敛方向防止退化，提高 方法稳定性，是量子方法的真正关键。
【发明内容】
[0003] 本发明要解决的技术问题是，克服现有技术存在的上述缺陷，提供一种能有效控 制收敛方向的新型量子进化方法，引入精英群组和状态偏好控制收敛方向，提高方法稳定 性。
[0004] 本发明解决其技术问题所采用的技术方案是： 一种新型量子进化方法，其特征在于，包括步骤： (1) 根据量子进化方法，初始化代数t=0，初始化种群Q(t) = ,n为种群大小，t为进化的代数,W为种群第t代的第i个个体,i ,定 .
【主权项】
1. 一种新型量子进化方法，其特征在于，包括步骤： (1) 根据量子进化方法，初始化代数t=0，初始化种群Q(t) =
,n为种群大小，t为进化的代数,W为种群第t代的第i个个体,i ，定
，'由m个量子比特组成，a代表每个量子比特状态为0出现的概率， 3代表每个量子比特状态为1出现的概率，有|af+|卢f=l，每个比特量子随机生成，满足公 式：
，4.表 示组成第t代中第i个个体的第j个量子比特状态为0的概率，<表示组成第t代中第i 个个体的第j个量子比特状态为1的概率；初始化最优解集合B(t)，将一个由m个0构成 的字符串b作为初始的最优解存入B(t)中； (2) 观察Q(t)，观测第t代种群的所有个体，对个体q〗而言，观测其所有的m个量子比 特，生成一个长度为m的字符串x丨，i为对应的个体，t为进化代数,字符串x〖中每一位对应 个体4相应的量子比特，若量子比特为〇,则字符串4中对应位置写入〇,若量子比特为1 则字符串xf中对应位置写入1，最后生成
(3) 根据评价函数对每一个 < 进行评价，并将评价结果存入适应度函数F(t)中， 汽0 = {//…}，jf表示第t代种群中第i个个体W的适应度，n为第t代种群 的大小； (4) 从P(t)中选取精英群组E(t)，具体如下： (4. 1)将第t代种群中的所有个体与通过步骤（3)适应度函数评价出来的该代种群中 的最差个体进行比较，构建.
(4. 2) <进入精英群组的概率由概率函数 < 表示，
，构建
(4.3)基于S(t)采用轮盘赌法决定P(t)中的个体是否被选入精英群组E(t)中，
，P为精英群组中的个体总数； (5) 通过
进化第t代种群Q(t)，得到第t+1代种群 Q(t+1)，
表示当前的量子比特位于哪一个象限，
是精英群组E(t)对相角旋转的加权，所以精英群组会 对整个群体进化起到积极引导作用；的值根据以下方法选取：1)若第t代种群中的 个体^入选了精英群组时，则=0 ;2)若第t代种群中的个体W未入选精英群组且g = <时，则=〇 ;3)若第t代种群中的个体g未入选精英群组且状态为〇, <状态为 '1'时，则=為，為为朝着状态为'1'进化的旋转值，增大$从状态为'0'进化到状态 为'r的概率；4)若第t代种群中的个体丨未入选精英群组且：4状态为'1'，4状态为'〇' 时，则=硌，痛为朝着'〇'进化的旋转值，增大4从状态为'r进化到状态为'〇'的 概率；其中，4是由步骤（2)确定的第t代种群中q〗个体的量子比特值，ei是由步骤（4)确 定的精英群组E(t)中所有个体，ke[l，P；|,/s和 < 表示第t代圮和 < 的第j个量子比特 值； 为实现进化方向的控制，即均朝向状态为1进化，引入状态偏好进一步加权，具体方法 如下：当第t代种群中的个体4未入选精英群组且状态为〇, 士状态为1时，通过增大病 的值增大^从状态为'〇'进化到状态'1'的概率；当第t代种群中的个体以未入选精英群 组且^状态为'1'，4状态为'0'时,通过减小痛的值降低$从状态为'1'进化到状态'〇' 的概率；使得整体的朝着状态'1'的方向进化； (6) 通过步骤（3)的适应度函数F(t)选出P(t)中适应度最高的< 作为第t代的最优 解，将第t代最优解与第t代之前得到的最优解b比较，若第t代最优解优于第t代之前的 最优解，则用第t代最优解代替B(t-l)中原有的b存入，得到B(t);反之则继续保留B(t-l) 中原有的最优解b，得到B(t); (7) 停机条件判断：当B(t)中最优解b不为全局最优解时，即b为一串由m个1组成 的字符串时，且迭代次数t小于给定的限值，则迭代次数t=t+l，转入步骤（2)继续进化；否 则此时B(t)中输出最优解b。
2. 根据权利要求1所述的新型量子进化方法，其特征在于，所述步骤（3)中，根据评价 函数对每一个4进行评价时，将彳中所有的量子比特相加，其结果作为4的适应度if存入 F(t)中。
3. 根据权利要求1或2所述的新型量子进化方法，其特征在于，所述步骤（4. 3)中，基 于S(t)采用轮盘赌法决定P(t)中的个体是否被选入精英群组E(t)中，即先计算出第t 代群体中所有个体的适应值jf,求出第t代群体所有个体适应值综合
，P(t)中个体 是否被选入精英群组E(t)的概率为
，选择概率最高的P个个体组成精英群组 E(t)。
4.根据权利要求1所述的新型量子进化方法，其特征在于，所述步骤（6)中，最优解集 合B(t)中存放的b作为第t代的最优解，其更新过程如下，初始化时，最优解b为由m个0 构成的字符串，进化代数为t=0时，根据步骤（2)和步骤（3)得到此时的最优解必定优于初 始的最优解b，所以将此时得到的最优解取代初始的最优解，作为最优解b存入最优解集合 B(t)中，得到此代最优解集合B(0);进化代数t=l时，循环步骤（2)和步骤（3)将得到最优 解与B(0)中最优解比较，若t=l时最优解优于B(0)中原有的最优解，则将t=l时最优解作 为b存入最优解集合B(t)中，得到该代最优解集合B(l);若t=l时最优解不优于B(0)中 原有的最优解，则保持最优解b不变，得到B(1);进化代数为t时，将此时最优解与该代之 前的最优解即B(t-1)中存放的最优解b进行比较，得到该代最优解集合B(t)。
【专利摘要】一种新型量子进化方法，包括以下步骤：根据量子进化方法，初始化代数t=0，初始化种群Q(t)；观察Q(t)生成P(t)= ，是一串由0或1组成的长度为m的字符串；根据评价函数对每个进行评价，并将评价结果存入F(t)中，F(t)={f1t,f2t ,…,fnt}，表示每个个体的适应度；根据适应度从P(t)中选取合适的个体进入精英群组E(t)；通过进化Q(t)； P(t)中最优解b放入B(t)中，若最优解优于B(t)中原有的最优解则取代原有最优解成为B(t)中的最优解，否则不变；停机条件判断：当满足时，输出最优解，否则转入步骤（2）继续进化。本方法能有效地控制量子进化方向并提高方法稳定性。
【IPC分类】G06F19-00
【公开号】CN104573348
【申请号】CN201410831269
【发明人】项胜, 何怡刚, 佐磊, 尹柏强
【申请人】合肥工业大学
【公开日】2015年4月29日
【申请日】2014年12月29日