上一年代末,一类新的智能算法,由量子计算与遗传算法融合形成,概述为量子遗传算法(Quantum Genetic Algorithm,QGA),由Narayanan等人最早设计出来。同时量子多宇宙的概念被引入进来,提出了量子衍生遗传算法(Quantum Inspired Genetic Algorithm),为这类算法的融合提供了比较好的依据。不过QGA有编码范围大、旋转门角度改变不合理、收敛速度慢等问题,这些缺陷限制了量子遗传算法的发展。因此对该算法进行改进,建立一个稳定的、可靠的QGA的数学模型,才能让量子遗传算法在更多的领域中发挥它的优势。目前,传统双链量子遗传算法存在精度低,速度慢,种群多元化保持能力差,不容易跳出局部极值等缺点。本文在此基础上,对其实施改进,相较于传统算法,改进后的算法优化性能较好,更加具备了研究的价值意义。论文的主要工作有:(1)由于量子遗传算法是由多门学科融合的交叉学科,故需对涉及到该算法的一些理论知识进行详细的阐述。(2)提出新的改进的双链量子遗传算法,在该算法中一个新的概念:自适应步长系数被引入,使步长随目标函数在搜索点处梯度的变化而变化;对于染色体种群的更新,利用H_ε门实现;最后在染色体变异时,采用π/3门。此算法的可行性,先是利用几个函数的数值计算实现,并与另外的算法进行比较。然后运用于倒立摆的参数控制中,之所以选取倒立摆,主要原因是:首先,把它当作实验设备,成本较低、容易观察、结构简单。其次,作为控制对象,在理论研究上涉及到许多问题,例如非线性、镇定、鲁棒性以及跟踪等。所以这种类型的实验系统,一方面能够测试新的控制理论、控制方法的精确程度,另一方面具有深远的工程意义,很多领域都有通过该系统验证的控制方法的应用。本文就将上述改进后的算法应用到倒立摆参数的控制中,同时在Matlab上进行仿真,最终结果表明:使用新的改进的算法,能获取到良好的控制效果。