[发明专利]基于双链量子遗传算法的协同变异方法

说明书

本发明提供一种基于双链量子遗传算法的协同变异方法，所述方法包括：步骤一、染色体的双链编码：对染色体的每个量子位进行初始双链编码并采用概率幅作为染色体编码；步骤二、解空间变换：通过线性变换将概率幅从单位空间映射到待优化问题的解空间；步骤三、染色体更新：通过量子旋转门同时更新上下两条基因链的概率幅值来实现染色体的每次迭代更新；步骤四、量子染色体协同变异：对种群中的每个染色体应用旋转门变异和基于高斯变异算子进行协同变异，利用高斯变异算子产生的随机数取代原基因位上的实数值。本发明能够使当前最优解的个体产生较小幅度的变异，提高了算法寻优的精度。

技术领域

本发明属于量子计算技术领域，涉及尤其一种基于双链量子遗传算法的协同变异方法，以提升其在优化问题求解上的表现。

背景技术

量子遗传算法利用了量子比特的叠加态来对遗传信息进行编码，使用量子旋转门对染色体进行更新，发挥了量子计算的并行式计算优势，保证了算法能够在全局范围内进行搜索，具有种群规模小，收敛速度快、全局搜索能力强等优点，可广泛应用于数值优化、信号处理、数字通信等各类优化问题中。但由于量子算法在复杂函数的优化求解问题上显现出许多不足，如编码空间大、易陷入局部极值等，使得算法的搜索精度较低。

发明内容

因此，有必要提供一种基于双链量子遗传算法的协同变异方法，能够使当前最优解的个体产生较小幅度的变异，提高了算法寻优的精度。

本发明提供一种基于双链量子遗传算法的协同变异方法，所述方法包括：

步骤一、染色体的双链编码：对染色体的每个量子位进行初始双链编码并采用概率幅作为染色体编码；

步骤二、解空间变换：通过线性变换将概率幅从单位空间映射到待优化问题的解空间；

步骤三、染色体更新：通过量子旋转门同时更新上下两条基因链的概率幅值来实现染色体的每次迭代更新；

步骤四、量子染色体协同变异：对种群中的每个染色体应用旋转门变异和基于高斯变异算子进行协同变异，利用高斯变异算子产生的随机数取代原基因位上的实数值。

进一步的，所述旋转门变异包括：

利用相似度评价算子对第t代种群每个个体之间的相似度进行评价；

若该算子的值小于预定值，则使用π/6门对个体进行变异操作；

若该算子的值不小于预定值，则选用量子非门对个体进行变异操作。

进一步的，所述旋转门变异具体如下式：

其中，相似度评价算子为：

分别代表第t代种群中欧式距离最大与最小的两个个体之间的距离值，d_avg表示当前种群中所有个体之间距离的平均值。

进一步的，基于高斯变异算子进行协同变异过程具体如下：

u_i＝arctan(y_i-y_g)

其中，x_i为当前第i个个体，R_n为一个1行d列的向量服从高斯分布的随机数矩阵，x_g为种群最优个体，T_max为最大迭代次数，t为当前迭代次数，r为一个0-1之间的随机数，u_i为当前个体采取第一种方式的更新的概率并且u_i取值范围在0-1之间；

其中，y_g为种群最优个体对应的适应度值，y_i为当前第i个个体对应的适应度值。