混合量子进化算法及其应用

心‘ 一令.令 . 令 . 嘴，今 . 今 .今 . 令 . 今 . 令 . 今 . 令 . 今 。 .
摘要:将量子进化算法( QEA) 和拉子群优化算法( P O) 相互结合， S 提出了两种混合童子进化算法: 嵌入式粒子群量子进化算法( P EQEA) 和量子二进制粒子群优化算法( QBP o ) ， S S 并通过对多用户检测
则有 :
} {=co 。1记 ‘‘ a记 “ ，{=5n。 。“ ‘ d 所 卜 和 的 化 可 用。 化 示，引 量 染 以 司 } 变 ，以 、 表 即 导 子 色 b习 变
体的进化， 可以表示为引导 甄的进化。结合 BPSO 进化方程 的特点， 用向量乳 ( q‘q。…叭) 代替速度向量， ‘ ， ， ， ， 则:
量子计算的计算能力非常强大， 给我们展示的量子信息 处理的前景亦非常诱人。它不仅促使我们研究新的量子算 法， 同时也启发我们从量子计算的机制重新研究一些传统算 法。将量子计算与进化计算结合的尝试起始于 2 世纪 9 年 0 0 代后期， 但通过实验和分析可以发现， 量子进化算法( QEA) 解 决复杂优化问题的能力不强， 容易陷人局部最优 ， 而且 QEA 采用查表的方式更新量子门， 一方面需要设定的参数较多 ， 另 一方面实现起来较为复杂。粒子群优化算法( PSO) 运算速度 快， 易于实现 ， 而算法的性能却可以和遗传算法相媲美， 近年 来已经被广泛应用于工程和科学研究的各个领域。
宁 “ ‘ (尸 x‘ +cZ d一 d) “叮 d+cቤተ መጻሕፍቲ ባይዱ ‘ d) d一 (p， x‘ 其中沪d沪d， 和cZ的 ‘ ，c， 定义与Bpso 中的 定义相同。
其中， ，d， 和cZ的定义与PSO中的 p记凡 。 ， 定义相同。“ 更新口
( t) ” 的操作过程可描述为
r . . . 才 . . . . ‘ q - 记. 一 ‘
c， 以 : 记 +c: (p，一 ) (夕 一 ) ‘ x记
工 . f l 1 ‘ 、 、 了 ‘ ‘ ! 万 . . . . . 了 、
co，q) sin( q) ( l ， . 0 、 记 sin( q) cos( q) 0 记 可以自动调整量子门旋转角度的大小和方向， 有两个主 要的优点: 一方面简化了 QEA 算法的结构， 减少了参数的个 数 ;另一方面 ， 的进化方程具有记忆的特性， PSO 不仅利用了 群体最优状态的信息， 也利用了个体 自身的局部最优信息 ， 从而更加合理地调整角度 q， P EQEA 比QEA 具有更好跳 使s
其所表达的含义 ， 用数学表达式可以表示为
口 c， 一 ) +cZ(尸 x记 二 (p“ x记 妇一 )
收稿 日期 :2007 一 一 04 12 作者简介:姚爱萍( 1 6 一) ， ， 98 女 河南许昌人， 许昌卫生学校讲师。
图l
a 和 b 之间的关系
深河职业 技 术学 院学报
2007 年
图上 甄为第 1个量子染色体第 d 个量子比特的偏转角，
问题的应用， 表明新的算法不仅操作更简单， 而且全局搜索能力有 了显著的提高。 关键词 : 量子进化算法; 粒子群优化算法; 混合量子进化算法 中图分类号 :TP 01. 6 3 文献标识码 :A 文章编号 :1671 一 7864 ( 2007) 03 一 0013 一 02
今 ~ 卜. 今 曰 ， 尝卜卜“ 》嘴，今 . 今 . 今 .令 . 令 . 今 .今 . 今 . 今 卜 ，嘴， 毛 ” 》 弓. . 绪. 卜 ， 寸 “卜卜卜妇 >. 今 .今 . 今 . 4 . .嘴，弓 “ 》月) 妇 ，今 . 今 妇尝. 今 . 弓 . 今 . 令 . 令 . 令 .令 .令 .今 . 今 . 今 . 今 .今 卜 ， 二 弓 . 卜 弓‘ 名 . 弓 ， 》 绪.
第6 卷
第3期
漂河职业技术学院学报 Jour al of Luohe Vocational Technof 盯 College n o
V ol 6 N o‘ 3
2007 年 7 月
J ul. 200 7
混 合 量 子 进 化 算 法及 其应 用
妇爱萍， 匕 郑学锋
( 许昌卫生学校 ， 河南 许 昌 46 000 ) 1
. . . . 声 」
‘ a 刃 记、 e s 1
a
以、 .
、
1 混合t 子进化算法
量子进化算法( QEA) 和二进制编码的粒子群算法( BP50 ) 作为近年来新兴的智能优化算法， QEA 在进化的过 但 程中只利用了最优个体的信息 ， 而没有利用其它未成熟个体 可能携带的全局最优解 的信息 ， 这既影响了进化速度 ， 又使 进化易于陷人局部最优 ; PSO 在进化过程 中粒子群的多样 B 性会渐渐消失 ， 在进化后期算法的收敛速度会明显变慢且容
易陷人局部最优 。 将不同的优化算法互相结合 ， 使它们的优势互补 ， 可以
出局部最优的能力。 1. Z t 子二进制粒子群算法( QBP O) S 量子二进制粒子群算法的主要思想是将量子比特编码 引人 BPSO， 可以更 自然、 更简单地保持种群多样性。
根据 QEA 的基本原理， 算法在引导量子染色体进化的
无法满足这个要求 ， 所以必须对其作相应的修改。
所示。
同 ，保 ’}司二。 然B O中 来 进 方 时要 州a司十 ’，显 P 原 的 化 程 “ S
} } “ 间 关 可 用 角 标 表 ， 图‘ 叫和“之 的 系 以 直 坐 图 示 如 }
显著提高算法的性能。本文将 QEA 和 P O 的互相结合， S 提 出了两种混合量子进化算法 : 嵌人式粒子群量子进化算法 ( PSEQEA) 和量子二进制粒子群优化算法( QBPSO) 。 1. 1 嵌入式粒子群t 子进化算法( PSEQEA) 嵌人式粒子群量子进化算法的主要思想是简化的粒子 群进化方程嵌人到 QEA 的进化操作中， P EQEA 中， 在S 还是 用量子门更新 Q( t ) ， 但是量子门的旋转角的大小和方向不 再用查表的方式获得 ， 而是用 PSO 的进化方程 自动进行调 整。而且我们对 PSO 的进化方程进行 了简化 ， 并重新定义