[发明专利]一种新型量子进化方法

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)={f₁^t,f₂^t ,…,f_n^t}，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。

主权项

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，为种群第t代的第i个个体，，定义，由m个量子比特组成，ɑ代表每个量子比特状态为0出现的概率，β代表每个量子比特状态为1出现的概率，有，每个比特量子随机生成，满足公式：=，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，i为对应的个体，t为进化代数，字符串中每一位对应个体相应的量子比特，若量子比特为0，则字符串中对应位置写入0，若量子比特为1则字符串中对应位置写入1，最后生成P(t)=；（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，F(t)={f₁^t ,f₂^t , …,f_n^t }，表示第t代种群中第i个个体的适应度，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S(t)=；(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，E(t)=，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代种群中的个体未入选精英群组且=时，则=0；3）若第t代种群中的个体未入选精英群组且状态为0，状态为‘1’时，则=，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‘1’的概率；4）若第t代种群中的个体未入选精英群组且状态为‘1’，状态为‘0’时，则=，为朝着‘0’进化的旋转值，增大从状态为‘1’进化到状态为‘0’的概率；其中，是由步骤（2）确定的第t代种群中个体的量子比特值，是由步骤（4）确定的精英群组E(t)中所有个体，，和表示第t代和的第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代种群中的个体未入选精英群组且状态为0，状态为1时，通过增大的值增大从状态为‘0’进化到状态‘1’的概率；当第t代种群中的个体未入选精英群组且状态为‘1’，状态为‘0’时，通过减小的值降低从状态为‘1’进化到状态‘0’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‑1)中原有的b存入，得到B(t)；反之则继续保留B(t‑1)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+1，转入步骤（2）继续进化；否则此时B(t)中输出最优解b。