低偏差蒙特卡罗序列的量子遗传算法

摘要 针对量子遗传算法存在迭代次数多、计算时间长、容易陷入局部极值的问题，提出一种低偏差蒙特卡罗序列量子遗传算法，利用低偏差序列良好的均匀性，实现量子遗传算法探索与利用的平衡.首先，提出新的低偏差序列 H_ε 量子门来更新量子态形式的种群，提高算法探索量子态的能力，减少算法的迭代次数；其次，提出Pareto集邻域搜索，在当前近优解上用低偏差序列在当前解上进行邻域搜索，以寻找更优的解.在5个复杂函数优化问题上验证本文算法，实验结果表明：所提算法的寻优能力较传统量子遗传算法更强，解的质量有两个数量级以上的提高；算法的计算时间和迭代次数亦优于传统量子遗传算法，引入低偏差序列实现量子遗传算法探索与利用的平衡是可行的