硕士论文-多宇宙并行量子多目标进化算法及其应用研究

《硕士论文-多宇宙并行量子多目标进化算法及其应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、湖南大学硕士学位论文多宇宙并行量子多目标进化算法及其应用研究姓名：李絮申请学位级别：硕士专业：计算机科学与技术指导教师：李智勇20090511多宇宙并行量子多目标进化算法及ｊ￡戍用研究ＡｂｓｔｒａｃｔＱｕａｎｔｕｍ—ｉｎｓｐｉｒｅｄＥｖｏｌｕｔｉｏｎａｒｙＡｌｇｏｒｉｔｈｍ（ＱＥＡ）ｉｓａｎｏｖｅｌｋｉｎｄｏｆｐｒｏｂａｂｉｌｉｔｙｓｅａｃｈａｌｇｏｒｉｔｈｍｂｙｃｏｍｂｉｎｉｎｇｑｕａｎｔｕｍｔｈｅｏｒｙｗｉｔｈｅｖｏｌｕｔｉｏｎａｒｙａｌｇｏｒｉｔｈｍ．Ｂａｓｅｄｏｎｔｈｅｐｒｉｎｃｉｐｌｅｓ

2、ｏｆＱｕａｎｔｕｍＣｏｍｐｕｔｉｎｇ，ＱＥＡｕｓｅｓＱ・ｂｉｔｓｔｒｉｎｇａｓｔｈｅｐｒｏｂａｂｉｌｉｓｔｉｃｒｅｐｒｅｓｅｎｔａｔｉｏｎｏｆｓｏｌｕｔｉｏｎｓａｎｄＱ－ｇａｔｅｓａｓｖａｒｉａｔｉｏｎｏｐｅｒａｔｏｒｓｔｏｄｒｉｖｅｅｖｏｌｕｔｉｏｎａｒｙｓｅａｒｃｈｉｎｇ．ＣｏｍｐａｒｅｄｗｉｔｈｔｒａｄｉｔｉｏｎａｌＥＡｓ，ＱＥＡｃａｎｂａｌａｎｃｅｂｅｔｗｅｅｎｅｘｐｌｏｒａｔｉｏｎａｎｄｅｘｐｌｏｉｔａｔｉｏｎｂｅｔｔｅｒ．Ａｄｄｉｔｉｏｎａｌｌｙｉｔｉｓｃｈａｒａｃｔｅｒｉｚｅｄｂｙｓ

3、ｍａｌｌｐｏｐｕｌａｔｉｏｎｓｉｚｅ，ｒａｐｉｄｃｏｎｖｅｒｇｅｎｃｅａｎｄｓｔｒｏｎｇｇｌｏｂａｌｓｅａｒｃｈｃａｐａｂｉｌｉｔｙ．Ａｓｗｈａｔｔｈｅｒｅｓｅａｒｃｈｒｅｓｕｌｔｓｓｈｏｗ，ＱＥＡｈａｓｂｅｔｔｅｒｐｅｒｆｏｒｍａｎｃｅｓｔｈａｎｃｏｎｖｅｎｔｉｏｎａｌＥＡｓｏｎｍａｎｙｐｒｏｂｌｅｍｓ，ｂｕｔｉｔｔｅｎｄｓｔｏｒａｎｉｎｔｏｌｏｃａｌｏｐｔｉｍａｉｎｓｏｌｖｉｎｇｓｏｍｅｃｏｍｐｌｅｘｏｐｔｉｍｉｚａｔｉｏｎｐｒｏｂｌｅｍｓ，ａｎｄｆｕｎｄａｍｅｎｔａｌｌｙｔｈｅｐｒｏｂｌｅｍ

4、ｏｆＱＥＡ’Ｓｐｒｅｍａｔｕｒｅｃｏｎｖｅｒｇｅｎｃｅｈａｓｓｔｉｌｌｎｏｔｂｅｅｎｓｏｌｖｅｄ．Ｍｅａｎｗｈｉｌｅ，ｔｈｅｇｅｎｅｒａｌＱＥＡｓｔｉｌｌｅｖｏｌｖｅｓｂａｓｅｄｏｎｔｈｅｓｉｎｇｌｅｇｒｏｕｐａｔｐｒｅｓｅｎｔａｎｄｄｏｅｓｎ’ｔｍａｋｅｆｕｌｌｕｓｅｏｆｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｉｓｏｆｑｕａｎｔｕｍ’Ｓｍｕｌｔｉ－ｕｎｉｖｅｒｓｅ．ＴｏｉｍｐｒｏｖｅＱＥＡｗｅｌｌ，ｔｈｅｉｄｅａｔｈａｔｍａｎｙｕｎｉｖｅｒｓｅｓｈａｖｅｂｅｅｎｕｓｅｄａｎｄｃｏｏｐｅｒａｔｅｔｏｇｅ

5、ｔｈｅｒｉｎａｌｇｏｒｉｔｈｍｍａｙｂｅｔｈｅｐｏｓｓｉｂｌｅｒｅｓｏｌｖｅｎｔ．Ｃｏｎｓｅｑｕｅｎｔｌｙ，ａｎｏｖｅｌＱｕａｎｔｕｍ・ｉｎｓｐｉｒｅｄＭｕｌｔｉ—ｏｂｊｅｃｔｉｖｅＥｖｏｌｕｔｉｏｎａｒｙＡｌｇｏｒｉｔｈｍｉｓｐｒｏｐｏｓｅｄｉｎｓｐｉｒｅｄｂｙｑｕａｎｔｕｍｃｏｍｐｕｔｉｎｇ，ｗｈｉｃｈｉｓｎａｍｅｄｍｕｌｔｉ－－ｕｎｉｖｅｒｓｅｐａｒａｌｌｅｌｑｕａｎｔｕｍ－－ｉｎｓｐｉｒｅｄｍｕｌｔｉｏｂｊｅｃｔｉｖｅｅｖｏｌｕｔｉｏｎａｒｙａｌｇｏｒｉｔｈｍ（ＭＰＱＭＥＡ）．Ｉｎｏｒｄｅ

6、ｒｔｏｇｅｔｍｏｒｅｅｆｆｉｃｉｅｎｔｃｏｎｖｅｒｇｅｎｃｅ，ｔｈｉｓｐａｐｅｒｄｉｖｉｄｅｓａｌｌｉｎｄｉｖｉｄｕａｌｓｉｎｔｏｓｏｍｅｉｎｄｅｐｅｎｄｅｎｔｓｕｂ—ｃｏｌｏｎｉｅｓ，ｃａｌｌｅｄｕｎｉｖｅｒｓｅｓ，ａｃｃｏｒｄｉｎｇｔｏｔｈｅｉｒｄｅｆｉｎｉｔｅｔｏｐｏｌｏｇｉｃａｌｓｔｒｕｃｔｕｒｅ．Ｔｈｅｕｎｉｆｏｒｍａｓｓｉｇｎｍｅｎｔｐｒｉｎｃｉｐｌｅｏｆｔａｒｇｅｔｉｎｄｉｖｉｄｕａｌｓａｎｄｄｙｎａｍｉｃａｄｊｕｓｔｉｎｇｒｏｔａｔｉｏｎａｎｇｌｅｍｅｃｈａｎｉｓｍａｒｅａｐｐｌｉ

7、ｅｄｔｏｕｐｄａｔｅｅａｃｈｕｎｉｖｅｒｓａｌｉｎｄｉｖｉｄｕａｌ．Ｉｎｆｏｒｍａｔｉｏｎａｍｏｎｇｔｈｅｕｎｉｖｅｒｓｅｓｉｓｅｘｃｈａｎｇｅｄｂｙａｄｏｐｔｉｎｇｔｈｅｂｅｓｔｅｍｉｇｒａｔｉｏｎ．Ｔｏｍａｋｅｇｏｏｄｕｓｅｏｆｇｌｏｂａｌｉｎｆｏｒｍａｔｉｏｎ，ｔｈｅｂｅｓｔｒｅｓｅｒｖａｔｉｏｎｓｃｈｅｍｅｉｓｄｅｓｉｇｎｅｄｆｏｒｔｈｅｉｍｐｒｏｖｅｍｅｎｔｏｆｓｅａｒｃｈｅｆｆｉｃｉｅｎｃｙ．Ｉｎｔｈｅｏｒｙ，ｗｅｐｒｏｖｅｔｈｅｃｏｎｖｅｒｇｅｎｃｅｏｆｔｈｅａｌｇｏｒｉｔｈｍｂａｓ

8、ｅｄｏｎｔｈｅｐａｒｔｉａｌｓｅｔｔｈｅｏｒｙａｎｄｐｒｏｂａｂｉｌｉｔｙｔｈｅｏｒｙ．Ｍｅａｎｗｈｉｌｅ，Ｍｕｌｔｉ—ｏｂｊｅｃｔｉｖｅ０－１ｋｎａｐｓａｃｋｐｒｏｂｌｅｍｉｓａｃｏｍｐｌｅｘＮＰｈａｒｄｐｒｏｂｌｅｍ．Ｉｔｃａｎｂｅｕｓｅｄｔｏｔｅｓｔｗｈｅｔｈｅｒｔｈｅｍｕｌｔｉ—ｏｂｊｅｃｔｉｖｅｅｖｏｌｕｔｉｏｎａｒｙａｌｇｏｒｉｔｈｍｉｓｇｏｏｄｏｒｎｏｔ．Ｉｎｔｈｉｓｐａｐｅｒ．ｔｈｅａｌｇｏｒｉｔｈｍｗｅｐｒｏｐｏｓｅｄｉｓａｐｐｌｉｅｄｔｏｎｉｎｅＯ－１ｋｎａｐｓ