人工免疫系统被证实是一种比遗传算法更好的优化算法,一经提出就引起广泛关注与研究;量子信息科学的发展、量子机制与经典优化算法的结合又将优化算法的发展推上一个新的高峰。本文所研究的量子免疫克隆算法正是这样一种融合免疫算法和量子机制优势的算法。本文主要进行了三个方面的研究:第一,提出一种基于实数编码的量子免疫克隆算法。该算法采用实数编码取代一般量子免疫克隆算法的量子位编码方案,在处理连续优化问题时,避免了频繁的解码运算;采用Logistic映射产生混沌变量作为量子旋转门旋转角,提高了搜索能力。第二,提出一种基于Arnold’s Cat映射的混沌量子免疫克隆算法。该算法采用三条链的编码方式,其中第一条链为实数链,对应问题的解,后两条链对应传统的量子位编码方案;同时采用了一种新的变异方案,达到了在提高搜索能力的同时提高优化效率的目的。第三,提出一种基于混沌量子免疫克隆算法的正交匹配追踪重构算法。该算法将本文提出的混沌量子免疫克隆算法结合正交匹配追踪进行数据重构,能够完成重构操作并在一定程度上降低重构误差。