[发明专利]一种量子蚁群算法中最优路径确定方法及装置

说明书

本发明提供了一种量子蚁群算法中最优路径确定方法及装置，其中，该方法包括：确定量子蚁群算法中出发点到目标点的所有路径上的路径点的量子信息；采用伪随机概率选择机制，根据所有路径上的路径点的量子信息确定最优路径，可以解决相关技术中蚁群算法易于限入局部最优解且寻优速率较慢的问题，采用伪随机概率选择机制，通过量子信息确定最优选择路径，加快了寻优效率。

技术领域

本发明涉及数据处理领域，具体而言，涉及一种量子蚁群算法中最优路径确定方法及装置。

背景技术

蚁群算法具有鲁棒性、正反馈、分布式计算、易与其它算法结合等特点。蚁群算法的鲁棒性较强，基本蚁群算法的模型构造以及寻优机理是参照了蚂蚁群体的觅食行为，模型构造比较成熟，参数的选择也比较固定；蚁群算法利用蚂蚁信息素所构成的正反馈原理，促使群体之间加快信息交流和传递，有效加快进化的过程；蚁群算法的分布式计算特性，使得算法易于并行实现；蚁群算法的移植性很强，易与多种启发式算法相结合，对基本蚁群算法只需要做少量的改动，即可以用来解决其他相关问题。

在蚁群算法初期，蚂蚁的路径选择存在一定的随机性，不能保证蚁群创建的第一条路径能引导蚁群走向全局最优路径。随着算法的重复执行，信息素一旦积累在一条局部最优的路径上，并且该条路径上的信息素浓度远远大于其他路径时，将会导致所有的蚂蚁都集中到这条局部最优的路径上，从而出现停滞现象，使得算法陷入局部最优解。

蚁群中个体之间的运动是随机的，当群体规模较大时，基于信息素所驱动的蚂蚁群体，很难在较短的时间内从大量杂乱无章的路径中找出一条较好的路径。特别是在种群进化的初期，由于各条路径上的信息素差别不大，需要经过较长一段时间，才能使得较好路径上的信息素明显高于其它路径，从而驱使所有蚂蚁集中于该条路径上，最终完成收敛。该过程一般需要较长的时间，导致了算法的寻优速率较慢。

针对相关技术中蚁群算法易于限入局部最优解且寻优速率较慢的问题，尚未提出解决方案。

发明内容

本发明实施例提供了一种量子蚁群算法中最优路径确定方法及装置，以至少解决相关技术中蚁群算法易于限入局部最优解且寻优速率较慢的问题。

根据本发明的一个实施例，提供了一种量子蚁群算法中最优路径确定方法，包括：

确定量子蚁群算法中出发点到目标点的所有路径上的路径点的量子信息；

采用伪随机概率选择机制，根据所有路径上的路径点的量子信息确定最优路径。

可选地，采用伪随机概率选择机制，根据所有路径的所述量子信息从所述所有路径中确定最优路径包括：

采用伪随机概率选择机制，根据所有路径的量子信息素从所述所有路径中确定最优路径，其中，每条路径的量子信息素由路径上所有路径点的量子信息组成；

采用伪随机概率选择机制，根据所有路径上的路径点的量子信息确定最优路径点集合，将所述最优路径点集合组成所述最优路径。

可选地，采用伪随机概率选择机制，根据所有路径的量子信息素从所述所有路径中确定最优路径包括：

初始化所有路径的量子信息素，其中，所述量子信息素采用量子比特编码表示；采用伪随机概率选择机制，根据所述量子信息素从所述所有路径中确定目标路径；根据量子旋转门，对当前目标路径的量子信息素进行更新，得到更新后的量子信息素；

通过重复迭代的方式，采用伪随机概率选择机制，根据所有路径的所述量子信息素从所述所有路径中确定目标路径，对于本次迭代确定的目标路径称为当前目标路径：

采用伪随机概率选择机制，根据所述更新后的量子信息素从所述所有路径中确定当前目标路径；

根据量子旋转门，对所述当前目标路径的量子信息素进行更新，得到更新后的量子信息素；