一种新并行量子遗传算法.docxVIP

一种新并行量子遗传算法 1 复合材料的研究 如何在解算空间中找到一组优化问题和函数优化问题的最佳解或满意解，一直是各学科领域的研究重点。随着科学技术的迅速发展,优化问题的规模越来越大,搜索空间的复杂度越来越高,串行遗传算法(genetic algorithm,GA)在优化效率和优化质量上往往难以满足实际需要。而并行遗传算法(parallel genetic algorithm,PGA)能将并行计算机的高速并行性与GA的固有并行性相结合,加速GA的搜索过程,保持且丰富种群的多样性,减少过早收敛的可能性,大大提高解的质量。所以,PGA的研究和应用近年来备受关注。 量子计算原理是20年前计算机科学家把量子力学原理应用于计算机运算过程而提出来的。由于一个二能级系统可被看作一个量子位,且这种系统之间的相互作用可导致非经典逻辑量子门的制成,因而量子计算成了近年来物理学中的热门课题。量子遗传算法(quantum genetic algorithm,QGA)是新发展起来的一种基于量子计算原理的概率优化方法。QGA同时兼有“勘探”和“开采”的能力、收敛速度快、全局寻优能力强。。 现有的细粒度PGA(fine-grained PGA,FGPGA)和粗粒度PGA(coarse-grained PGA,CGPGA)均存在全局最佳个体在相邻处理器之间迁移延迟和通信开销太大的问题,这将直接导致算法收敛速度变慢和优化质量变差。为了将量子计算的量子位表示法和量子计算的强并行性引入到并行遗传算法中来,本文提出一种粗粒度并行量子遗传算法(coarse-grained parallel quantum-inspired genetic algorithm,CGPQGA)。CGPQGA的核心是引入层环并行计算模型来克服现有PGA的不足,引入一种新的染色体表示方式及一种新的进化策略来提高PGA的性能。文中将CGPQGA用于控制器优化设计,其结果表明,CGPQGA能加速子群体中最佳个体的迁移,收敛速度快,全局寻优能力强,同时具有勘探和开采的能力。 2 采用粗粒度并行区长数据传输法 2.1 量子位表示法 基于量子计算的概念和原理,CGPQGA的染色体表示不是采用传统遗传算法(CGA)的二进制、十进制及符号等表示法,而是采用一种新颖的量子位表示法。基于量子计算的叠加态和纠缠态原理,量子位表示法的特点在于能同时表示任意的叠加态。 在量子计算中,最小的信息单位是量子位。一个量子位可能处于|1或|0两种状态,或者处于|1和|0之间的任意叠加态,即一个量子位的状态可表示为: |Φ=α·|1+β·|0 (1) 其中α和β分别是|1和|0的概率幅,且满足下列归一化条件: |α|2+|β|2=1 (2) 其中,|α|2表示量子态的观测值为0的概率,|β|2表示量子态的观测值为1的概率,一般地,用M个量子位就可以同时表示2M种状态。 2.2 子位相位的估计 在CGAs中,染色体是用确定性的数字或符号表示,相应的选择、交叉和变异等进化操作也是确定性的,这样,保持种群多样性和减轻选择压力难以同时实现。而在CGPQGA中,染色体是基于量子位的随机概率表示,相应的进化操作是用量子逻辑门作用于量子位的概率幅和量子逻辑门的更新过程,避免了选择压力问题而又能在整个搜索过程中较好地保持着种群的多样性。 本文把满足(1)式和(2)式的一对实数α,β称为一个量子位的概率幅,记为[α,β]T,并用角度ξ(ξ∈[-π/2,π/2])来表示一个量子位的相位,其值为: ξ=arctan(|β|/|α|) (3) 用符号d表示|α|和|β|的乘积,d的正负值代表此量子位的相位ξ在直角坐标系中所处的象限,如果d的值为正,则表示ξ处于第一象限,否则处于第四象限。于是,m个量子位的概率幅可表示为: 其中,|αi|2+|βi|2=1,i=1,2,…,M。由(3)式可知,第i(i=1,2,…,M)个量子位的相位为: ξi=arctan(|βi|/|αi|) (5) 设种群的大小为n,其染色体用量子位表示为Ps={P1,P2,…,Pn},其中Pj(j=1,2,…,n)如(4)式所示。量子逻辑门选用量子旋转门G,即: 其中,θ为量子门的旋转角,取值为: θ=k·f(αi,βi) (7) 其中,k是一个与算法收敛速度有关的系数,其值需要合理选取,本文将k定义为一个与进化代数有关的变量,以便自适应地调整搜索网络的大小。如k=10*exp(-t/maxt),其中t为进化代数,maxt是一个根据优化问题复杂性而定的一个常数。函数f(αi,βi)的作用是使算法朝着最优解的方向搜索。下面给出一种使算法朝着最优解方向收敛的策略,如表1所示。 表1中,d1=|α1|·|β1|,α1,β1是最优解的