求解连续空间优化问题的量子蚁群算法

针对蚁群算法只适用于离散优化问题的局限性和收敛速度慢的问题,提出了求解连续空间优化问题的量子蚁群算法．该算法每只蚂蚁携带一组表示蚂蚁当前位置信息的量子比特;首先根据基于信息素强度和可见度构造的选择概率,选择蚂蚁的前进目标;然后采用量子旋转门更新蚂蚁携带的量子比特,完成蚂蚁的移动;采用量子非门实现蚂蚁所在位置的变异,增加位置的多样性;最后根据移动后的位置完成蚁群信息素强度和可见度的更新．该算法将量子比特的两个概率幅都看作蚂蚁当前的位置信息,在蚂蚁数目相同时,可使搜索空间加倍．以函数极值问题和神经网络权值优化问题为例,验证了算法的有效性．