论文部分内容阅读
量子进化算法是将量子理论与进化算法相结合而发展起来的一种新颖的概率搜索算法。它基于量子计算原理,采用量子比特编码方式,以量子门作为更新种群的进化操作算子。与传统进化算法相比,量子进化算法能够更好的在探索与开发之间取得平衡,且具有种群规模小、收敛速度较快、全局寻优能力强的特点。研究结果表明量子进化算法在解决多目标优化问题上比传统进化算法具有更好的性能,但对于复杂优化问题仍可能陷入局部最优,尚未从根本上解决其早熟收敛问题。目前,一般的量子进化算法都是基于单群体演化,没有充分利用量子信息的多宇宙特性,多宇宙协同计算的思想是改进该问题的可能方案。为了使量子进化算法能够有效的克服以上缺点,更好的解决实际中的优化问题,本文对此做了进一步的研究。本文主要研究内容和成果如下:(1)提出了一种新的基于量子计算的多目标进化算法,即多宇宙并行量子多目标进化算法。该算法主要思想如下:将所有的量子个体按给定的拓扑结构分成多个独立的子种群,划分为多个宇宙;采用目标个体均匀分配原则和动态调整旋转角机制对各宇宙量子个体进行演化;宇宙之间采用最佳移民操作来交换信息,设计最优个体保留方案以便各宇宙共享全局信息,提高算法的执行效率。(2)基于偏序集理论和概率论,从理论上证明了本文算法的收敛性,给出了算法的一个充分收敛条件。(3)多目标0-1背包问题是个复杂的NP难问题,它能够很好的检验多目标进化算法的优劣。本文将提出的算法应用到9个背包问题中,充分验证了本文算法的有效性。仿真实验表明:本文算法不仅能更快更精确地逼近Pareto最优前端,同时能够维持Pareto最优解分布的均匀性。(4)在实际应用方面,本文选择水资源优化配置这一现实问题。运用本文提出的算法,对某区域水资源进行优化配置,提出了一个合理有效的解决方案,为该区域水资源优化配置作出了有益的探索。