量子進(jìn)化算法研究綜述

劉文程

[摘要]本文在介紹量子進(jìn)化算法的基礎(chǔ)上，歸納總結(jié)了量子進(jìn)化算法發(fā)展動(dòng)態(tài)與現(xiàn)狀，并對(duì)目前量子進(jìn)化算法的應(yīng)用領(lǐng)域進(jìn)行了綜述，拋磚引玉，希望能為相關(guān)問題的研究提供借鑒。

[關(guān)鍵詞]量子理論;進(jìn)化算法;綜述

引言

量子學(xué)作為21世紀(jì)最偉大的發(fā)現(xiàn)之一，它為各國學(xué)者研究的難題帶來了新生的思路，這種理論幫助解決了一直以來困擾各國學(xué)者的難題，為現(xiàn)代物理學(xué)的發(fā)展奠定了基礎(chǔ)。而進(jìn)化算法是目前研究較多的并行算法，它模仿生物學(xué)中進(jìn)化、遺傳的過程，是一種能夠自適應(yīng)的調(diào)解搜索尋優(yōu)算法，已被成功應(yīng)用于多個(gè)應(yīng)用研究領(lǐng)域。量子學(xué)和進(jìn)化算法相結(jié)合交叉融合產(chǎn)生一門新興的學(xué)科領(lǐng)域，它的跨學(xué)科性為信息科學(xué)的發(fā)展提供了新的原理和方法，并巨捉進(jìn)了相關(guān)的學(xué)科的發(fā)展。

一、發(fā)展動(dòng)態(tài)與現(xiàn)狀分析

量子進(jìn)化算法一方面吸取了量子計(jì)算方面的一些概念和理論，如量子位、量子疊加態(tài)等，采用量子比特編碼染色體，可以使一個(gè)量子染色體同時(shí)表征多個(gè)態(tài)的疊加，利用量子門作為更新算子來完成進(jìn)化搜索。另一方面，基于進(jìn)化機(jī)制將進(jìn)化論、群智能、免疫原理、神經(jīng)網(wǎng)絡(luò)、多智能體系統(tǒng)等領(lǐng)域的一些思想、機(jī)制、操作和研究成果融入了量子計(jì)算，并設(shè)計(jì)了新的量子計(jì)算模式、搜索操作、優(yōu)化算法和相應(yīng)的信息處理系統(tǒng)。

量子進(jìn)化算法與群智能相結(jié)合主要是為了加快收斂速度，提高算法性能，何小峰等將量子力學(xué)中的量子態(tài)、量子位和量子邏輯門等引入蟻群優(yōu)化算法、蜂群優(yōu)化算法、人工魚群算法等群智能優(yōu)化算法當(dāng)中去，提出了量子蟻群優(yōu)化算法、量子人工蜂群優(yōu)化算法、量子人工魚群算法，并給出了相應(yīng)的基本思想和通用流程。

量子進(jìn)化算法，利用免疫系統(tǒng)的機(jī)理再加上量子計(jì)算來設(shè)計(jì)新的模型。趙麗等對(duì)基于量子免疫機(jī)理的網(wǎng)絡(luò)人侵檢測(cè)模型中的兩個(gè)主要模塊檢測(cè)器生成模塊和人侵檢測(cè)模塊的算法進(jìn)行了詳細(xì)的設(shè)計(jì)，并訓(xùn)練出了多樣性高的抗體，更好地提高系統(tǒng)的檢測(cè)率。

量子進(jìn)化算法與神經(jīng)網(wǎng)絡(luò)相結(jié)臺(tái)，可實(shí)現(xiàn)優(yōu)劣互補(bǔ)。楊妍等研究了量子進(jìn)化算法，并將其與神經(jīng)網(wǎng)絡(luò)相融合，提出了基于量子進(jìn)化算法的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法，然后將其應(yīng)用于工業(yè)過程丙烯腈收率建模，結(jié)果表明量子進(jìn)化神經(jīng)網(wǎng)絡(luò)建模具有較快的收斂速度和較高的模型精度，可以滿足工業(yè)中要求丙烯腈收率誤差不超過1%的要求。

二、應(yīng)用領(lǐng)域

量子進(jìn)化算法通過在古典算法的基礎(chǔ)上加入了量子規(guī)律的一些理念，將量子比特的幾率幅用到了對(duì)染色體的編碼上，這樣一條染色體就可以表示多種態(tài)的疊加，從而豐富了種群。該算法具有收斂速度快、全局收斂性好、種群依賴性低等特點(diǎn)。目前，量子優(yōu)化算法的應(yīng)用極為廣泛，已應(yīng)用于TSP問題、背包問題、函數(shù)優(yōu)化等經(jīng)典優(yōu)化問題，還應(yīng)用于多址干擾的多用戶檢測(cè)問題、布局問題、投資組合優(yōu)化、尋找圖像稀疏分解的最佳匹配原子、FIR濾波器設(shè)計(jì)等問題。

在生產(chǎn)調(diào)度領(lǐng)域，焦璇根據(jù)針對(duì)多目標(biāo)柔性作業(yè)車間調(diào)度中完工時(shí)間和交貨期的要求模糊的問題，建立了模糊柔性作業(yè)車間調(diào)度問題的數(shù)學(xué)模型，提出了結(jié)合混巧理論局部優(yōu)化策略改進(jìn)旋轉(zhuǎn)角的混巧量子算法，解決了算法局部收斂問題和后期種群多樣性丟失而過早收斂的問題。

在智能機(jī)器人領(lǐng)域，張曉文在足球機(jī)器人比賽動(dòng)態(tài)環(huán)境中，將比賽場L白色標(biāo)志線作為定位特征點(diǎn)，利用量子免疫算法改善足球機(jī)器人的自定位系統(tǒng)，緩解足球機(jī)器人在尋找不到目標(biāo)的情況下出現(xiàn)的迷失狀態(tài)，提高了定位系統(tǒng)的智能性和穩(wěn)定性。

在圖像處理領(lǐng)域，張毅研究構(gòu)建了一套完整的量子圖像處理體系，其充分地利用了量子機(jī)制實(shí)現(xiàn)了高精確性、高實(shí)時(shí)性圖像處理，從底層圖像存儲(chǔ)，到中層圖像預(yù)處理，再到上層圖像分類，完美解決了經(jīng)典圖像處理的性能難題。

在小樣本學(xué)習(xí)領(lǐng)域，張同心研究了支持向量機(jī)的核函數(shù)理論，提出了一種基于量子粒子群搜索的支持向量機(jī)算法。

結(jié)語

在過去的時(shí)間里，量子進(jìn)化算法較傳統(tǒng)量子算法，顯示出了強(qiáng)大的優(yōu)勢(shì)，量子進(jìn)化算法得到了快速的發(fā)展，取得了一系列重要的研究成果。但這還僅僅是開始，隨著更多的學(xué)者在這一領(lǐng)域進(jìn)行深入的研究，在不久的將來，量子進(jìn)化算法將在更多的領(lǐng)域中取得成效。

參考文獻(xiàn)：

[1]張同心.基于量子粒子群的支持向量機(jī)算法的研究與應(yīng)用[D].浙江大學(xué)，2013.

[2]張毅.面向計(jì)算機(jī)圖像處理的量子算法研究[D].國防科技大學(xué)，2014.

[3]張曉文.基于量子免疫算法的移動(dòng)機(jī)器人自定位研究[D].西安科技大學(xué)，2014.

[4]焦璇.基于混合量子算法的柔性作業(yè)車問調(diào)度問題研究[D].大連理工大學(xué)，2015.

[5]楊妍，俞金壽.基于量子進(jìn)化算法的神經(jīng)網(wǎng)絡(luò)及應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用，2007（26）：206-208.

[6]趙麗.基于量子免疫原理的入侵檢測(cè)模型研究[D].湖南大學(xué)，2010.

[7]何小峰.量子群智能優(yōu)化算法及其應(yīng)用研究[D].上海理工大學(xué)，2014.

[8]張建明.基于改進(jìn)量子進(jìn)化算法的生產(chǎn)調(diào)度問題研究[D].華東理工大學(xué)，2013.

[9]Qu Z J，Liu X H，Zhang X W，et al.Hamming-distancebased adaptive quantum-inspired evolutionary algorithmfor network coding resources optimization[J].The Journalof China Universities of Posts and Telecommunications，2015，22（3）：92-99.

[10]He Y，Deng Y，Luo M X.The improved evolution pathstospeedup quantum evolution[J].International Journal ofTheoretical Physics，2016，55（4）：1977-1987.