量子进化计算.pdfVIP

量子进化计算 焦李成杨淑疆 (西安电子科技大学电子工程学院西安710071) 摘要计算智能实质上走一门跨越罗学科多领域的深奥科学，将各领域的知识有效地引入到计算智能中研完， 能为建立一种更统一的智能系统设计和优化方法提供基础．也是计算智能一个必然的发展趋势。例如计算智能的 研究可以建立在物理学的基础之上．量子机理和特性舍为计算智能的研完另辟瑛径，有效利用量子理论的原理和 概念，将套在应用中取得明显优于传统智能计算模型的鲒秉．本文提出了一种将进化算法和量子理论结合的量子 进化算法，它将量子计算理论应用到传统进化算法中，使算法史好地解决了传统算法的缺点一收敛速度和种fl早 熟之间的矛盾，理论和实验均证明，谊算法具有全局收敛性和快速手优能力． 关键词量子进化，概串，进化．收敛 优。因此EA的进化过程同时也是一个追求群体的 1简介 收敛性和个体的多样性之间平衡的过程。 进化计算(Evolutionary 分析EA可以发现：它没有利用进化中未成熟 Algorithm—EA)是一 类模拟生物进化过程与机制求解问题的自组织、自 优良子群体所提供的信息，因而限制了进化速度。事 适应人工智能技术。依照达尔文的自然选择和孟德 实证明：在进化中引入好的引导机制可以增强算法 尔的遗传变异理论，生物的进化是通过繁殖、变异、 的智能性，提高搜索效率。现有EA的许多改进工作 竞争、选择来实现的，EA就是建立在上述生物模型 主要是用特定问题的启发式知识来人为地指导约束 基础上的随机搜索技术…。它采用某种编码来表示 进化，过程比较复杂。能否应用一种更自然的机制， 复杂的结构．并将每个编码称之为一个个体。算法维 来反映进化过程的规律．实现不断跟踪并总结过去 持一定数目的编码集合．称为种群，并通过对种群中 进化历史，从中抽取能反映进化本质的知识，然后利 的每个个体进行一些遗传操作来模拟进化过程，最 用它们进行进化呢? 终获得一些具有较高性能指标的编码。 人类在发掘生物进化机制，进行“仿生”研究的 同时，也受其启发而萌发了“拟物”的思想。二者相互 EA的研究起源于Holland针对机器学习问题 发展的遗传算法(Genetic 渗透、取长补短，产生了许多成功的理论，模拟退火 Algorithm—GA)，Fogel Pro— 算法就是由物理学推动发展的动力系统得到生物进 对于优化模型提出的进化规划(Evolutionary 化思想完善的产物“]。量子力学是20世纪最惊心动 gramming—EP)以及Rechenberg和Schwefel对于 Strat— 魄的发现之一，它为信息科学在下个世纪的发展提 数值优化问题提出的进化策略(Evolutionary 供了新的原理和方法，并且带动了相关学科的发展。 egy—ES)。它们在利用生物进化机制提高计算机求 解问题能力的目标和基本思路上是一致的，但是在 本文将量子理论和EA相结合，提出一种新的理论 框架一量子进化理论及其学习算法。它基于量子计 具体做法上有所差别：GA强调染色体的操作o]，EP 强调种群极上的行为变化[3]．ES强调个体极上的行算的概念和理论，使用量子比特编码染色体，模拟量 为变化[‘]。理论上已经证明：它们均能从概率的意义 子坍塌的随机观察能带来丰富的种群，量于变异能