论文部分内容阅读
量子衍生计算以其“叠态”与“纠缠”特性而被广泛运用于复杂智能信息处理领域，以期提高组合优化算法性能。由于物理机制机理不同，量子计算存在物理模拟十分困难等不足之处。背包问题是经典组合优化NP类问题，实际应用中往往因其多维约束与多目标优化而使问题变得更趋复杂。本文针对从实际应用课题中抽取的特殊背包问题，旨在研究设计一种高性能的量子演化算法模型，并在此基础上进行相关实验研究与应用研究，所做的主要研究工作成果如下:
(1)提出一种从数理角度模拟“叠态”、“塌缩”与“纠缠”特性的量子衍生演化算法模型。以高斯随机过程虚拟量子计算的叠态与塌缩特性，以遗传交配等操作模拟量子计算的纠缠特性。理论分析与实验结果均显示本文提出的新型量子遗传算法具有种群多样性维护性能较好、时空算法复杂度适中、优化质量较高等特点。
(2)针对多维背包约束问题，本文提出了一种新的修复策略。针对算法遗传演化过程中产生的超出约束条件的非法可行解，本文研究设计了一种基于线性松弛问题求解的染色体修复方案。将该修复策略与所建量子衍生遗传优化算法结合，应用于处理多维背包约束问题，实验结果验证了该方法的有效性与实用性。
(3)针对遗传算法局域搜索性能较差和遗传隐匿问题，本文研究了一种基于邻域混沌扰动的“量子演化+调和算法”混合模型特性，以期综合利用遗传算法的并行分布式全局搜索优势与基于邻域混沌扰动的调和算法局部优化性能。函数优化的部分实验结果显示，该混合模型表现了良好的优化性能。将该模型应用于求解多维背包问题的实验结果显示，在处理特长染色体优化方面，该算法模型效果较优。
(4)将本文提出的量子遗传算法应用于921计划子项目一货物装载布局优化软件研制，已成功验收，并获航天相关部门验收鉴定专家较高评价。