非線性混沌網絡系統的分散性能量子優化算法

王曉晗

(咸陽師范學院 數學與信息科學學院,陜西 咸陽 712000)

0 引 言

依據量子力學理論[1]發展出的量子算法,由于其具有高并行性的特點,目前已開始在智能控制、神經網絡等方面發揮重要作用。但因為量子算法提出時間較短,其理論依然處于初級階段[2]。

為提升量子算法的應用性能,量子優化算法的研究成為一個熱門研究方向。葉青等[3]提出以協同決策方法為核心的集成優化模型,計算量子種群內個體權重,以此為基礎,建立優化激勵策略。并且通過設置合理的學習閾值,避免出現局部最優解問題。但該方法全局搜索效率較低。薛文等[4]針對整個量子種群進行分析,將其按照PSO(Particle Swarm Optimization)算法和混沌機制劃分為兩個種群,分別進行迭代處理。針對兩個量子種群進行交叉迭代處理,計算量子適應值并進行排序,完成全局極值的更新,實現量子優化算法的全局優化。但該算法的收斂效率較低。曾明華等[5]按照布谷鳥算法搜索量子行為,結合模擬退火原則,設計了一種改進的優化算法。為增強優化算法的全局尋優能力,針對布谷鳥搜索設計動態步長飛行方案,保證量子優化結果的多樣性。但該方法尋優能力較差。

為此,筆者參考傳統量子優化算法,提出以非線性混沌網絡系統為基礎的優化算法。混沌網絡內包含眾多節點,使所提出的量子優化算法具有局部分散控制特點,利用非線性混沌網絡子系統控制局部信息,更加快速地完成量子優化處理。……