論量子多目標(biāo)進(jìn)化算法研究

摘 要：第一次將量子計(jì)算的理論用途于多目標(biāo)優(yōu)化之上可以提出量子多目標(biāo)進(jìn)化算法其采用量子位研究微觀粒子的運(yùn)動(dòng)規(guī)律的物理學(xué)分支學(xué)科，它主要研究原子、分子、凝聚態(tài)物質(zhì)，以及原子核和基本粒子的結(jié)構(gòu)、性質(zhì)的基礎(chǔ)理論，它與相對(duì)論一起構(gòu)成了現(xiàn)代物理學(xué)的理論基礎(chǔ)。量子力學(xué)不僅是近代物理學(xué)的基礎(chǔ)理論之一，而且在化學(xué)等有關(guān)學(xué)科和許多近代技術(shù)中也得到了廣泛的應(yīng)用。

關(guān)鍵詞：多目標(biāo)進(jìn)化算法；量子多目標(biāo)進(jìn)化算法多目標(biāo)優(yōu)化

中圖分類號(hào)：TP301.6

在科學(xué)技術(shù)研究中與生活應(yīng)用中前景無(wú)限，現(xiàn)在傳統(tǒng)經(jīng)典的多目標(biāo)進(jìn)化算法M0EAS包括：PESAPAES SPEA2和NSGA2，多目標(biāo)優(yōu)化是進(jìn)化計(jì)算系列的研究熱點(diǎn)和難點(diǎn)。

1 學(xué)量子力學(xué)要看學(xué)哪個(gè)方面，我不認(rèn)為學(xué)習(xí)一定需要基礎(chǔ)

我也是從高一開(kāi)始學(xué)量子力學(xué)的，高一看完汪德新先生寫(xiě)的《量子力學(xué)》，雖然看不太懂當(dāng)時(shí)。不過(guò)時(shí)間長(zhǎng)了就自然會(huì)領(lǐng)悟的。當(dāng)然以你現(xiàn)在的知識(shí)要看懂很難。如果先看那些量子力學(xué)的大眾閱讀書(shū)的話，先懂得它的物理解釋那一切好辦了！如果真想學(xué)好的話，記住一定要記筆記。此文章實(shí)驗(yàn)研究說(shuō)明此種方法與傳統(tǒng)的多目標(biāo)進(jìn)化算法SPEA2相比其表達(dá)性更好且分布更加的均勻平衡。這種可以利用量子門(mén)旋轉(zhuǎn)策略和量子門(mén)突變實(shí)現(xiàn)種群的進(jìn)化，通過(guò)外圍集保留最優(yōu)解集使用ε支配關(guān)系，構(gòu)造外部群體用以保證算法的較好分布性，并且提出基于快速排序的較優(yōu)解構(gòu)造方法加快計(jì)算方法，運(yùn)行的實(shí)際效率，實(shí)驗(yàn)表明此種方法的優(yōu)勢(shì)比經(jīng)典的多目標(biāo)進(jìn)化算法SPEA2很高。

2 多目標(biāo)優(yōu)化的基本概念

在人們認(rèn)識(shí)到光具有波動(dòng)和微粒的二象性之后，為了解釋一些經(jīng)典理論無(wú)法解釋的現(xiàn)象，法國(guó)物理學(xué)家德布羅意于1923年提出微觀粒子具有波粒二象性的假說(shuō)。德布羅意認(rèn)為：正如光具有波粒二象性一樣，實(shí)體的微粒也具有這種性質(zhì)，即既具有粒子性也具有波動(dòng)性。這一假說(shuō)不久就為實(shí)驗(yàn)所證實(shí)。

在種群之外設(shè)置一個(gè)外部種群的目的，量子制作只是相對(duì)把硬件體積縮?。‰娔X主要硬件就是那么幾樣！就像手機(jī)縮到一個(gè)指甲那么大，結(jié)果帶來(lái)的是不方便！所以沒(méi)必要。

然后將非支配個(gè)體按ε-支配關(guān)系分別插入外圍集中充當(dāng)單個(gè)非支配個(gè)體，不被外圍集中包含的任何一個(gè)個(gè)體-ε支配，那么可以將它插入外圍集，不然被拋棄，另外假如外圍集中的某一個(gè)體被新加入的非支配個(gè)體-ε支配則將該個(gè)體從外部集中剔除用-ε支配關(guān)系更新的外圍集并且保證每個(gè)網(wǎng)格最多只有一個(gè)個(gè)體，這樣就可以得到的解集分布較均勻。

3 量子計(jì)算的基本概念

在傳統(tǒng)的計(jì)算機(jī)中信息儲(chǔ)備是以二進(jìn)制來(lái)表達(dá)不是0態(tài)就是l態(tài)，量子力學(xué)打破了經(jīng)典物理的因果律，提出了新的不確定性原理，愛(ài)因斯坦對(duì)此有句很著名的話“上帝不擲骰子”。量子進(jìn)化算法建立在量子的態(tài)矢量表述基礎(chǔ)上，將量子比特的幾率幅表示應(yīng)用于染色體的編碼使得一條染色體可以表達(dá)多個(gè)態(tài)的疊加并利用量子旋轉(zhuǎn)門(mén)更新染色體從而使個(gè)體進(jìn)化達(dá)到優(yōu)化目標(biāo)的目的。

3.l 量子比特編碼

在量子進(jìn)化算法之中，最小的信息單元用量子比特單位來(lái)表示。一個(gè)量子比特不但能夠表示0態(tài)和l態(tài)，而且可以共同表示這兩種狀態(tài)之間的任意重疊態(tài)，所以一個(gè)量子比特表示為：|Ψ>=α|0>+β|1>

3.2 量子旋轉(zhuǎn)門(mén)

就是建立在量子力學(xué)原理的基礎(chǔ)上，結(jié)合了量子生物學(xué)、量子藥理學(xué)和生命信息學(xué)，利用微觀狀態(tài)的電子波動(dòng)、輻射、能量等形式，對(duì)機(jī)體進(jìn)行綜合、系統(tǒng)、全面、發(fā)展性地預(yù)防、調(diào)節(jié)、診斷、治療、康復(fù)的學(xué)科。如果b支配c，則調(diào)整c中相應(yīng)位量子比特使得幾率幅對(duì)α，β向著有利于bi出現(xiàn)的方向演化反之如果b不支配c則調(diào)整c中相應(yīng)位量子比特，使得幾率幅對(duì)α，β向著有利于ci出現(xiàn)的方向演化?？傊湓硎菍⒁颜业降姆橇幼顑?yōu)解的染色體信息傳遞到當(dāng)前個(gè)體使得種群逐步逼近非劣最優(yōu)目標(biāo)域。

3.3 量子變異

建立在量子力學(xué)原理的基礎(chǔ)上，結(jié)合了量子生物學(xué)、量子藥理學(xué)和生命信息學(xué)，利用微觀狀態(tài)的電子波動(dòng)、輻射、能量等形式，對(duì)機(jī)體進(jìn)行綜合、系統(tǒng)、全面、發(fā)展性地預(yù)防、調(diào)節(jié)、診斷、治療、康復(fù)的學(xué)科。因?yàn)槿藗冊(cè)谖⒂^尺度上的觀察能力仍然有限。就不斷減少參與變異的個(gè)體的數(shù)目變異概率pmutation按公式5計(jì)算Currentgen是當(dāng)前運(yùn)行代數(shù)Maxgen是最大進(jìn)化代數(shù)。

l-Currentgen

Pmutation= ——————

Maxgen

具體操作方法如下：（1）根據(jù)特定的概率在種群中選取部分個(gè)體參與整體異變；（2）在選中的當(dāng)個(gè)個(gè)體中隨機(jī)選擇一個(gè)量子比特；（3）將已經(jīng)選定的量子比特的幾率幅對(duì)α，β前后變換，通過(guò)量子異變操作，更改了相應(yīng)量子比特態(tài)疊加的狀態(tài)使得原來(lái)傾向于坍縮到狀態(tài)“l(fā)”的變?yōu)閮A向于坍縮到狀態(tài)。

4 量子多目標(biāo)進(jìn)化算法

量子多目標(biāo)進(jìn)化算法主要框架：（1）初始化種群Pop及相關(guān)參數(shù)對(duì)種群中每個(gè)個(gè)體初始化其目標(biāo)個(gè)體為自身所有的幾率幅對(duì)α，β都被初始化為（ 這表示在初始階段所有狀態(tài)以相等概率進(jìn)行疊加；（2）迭代循環(huán)直到最大進(jìn)化代數(shù)Maxgen。第一，按照二進(jìn)制競(jìng)賽選擇從種群中選出個(gè)體用量子旋轉(zhuǎn)門(mén)U（θ）更新然后對(duì)更新的個(gè)體實(shí)行量子變異操作；第二，根據(jù)種群中各個(gè)個(gè)體的幾率幅α，β對(duì)每個(gè)個(gè)體實(shí)施一；次測(cè)量得到相應(yīng)的一組確定解；第三，由上一步得到的一組可以確定解按支配關(guān)系結(jié)構(gòu)，它們的非支配集用快速排序法找出種群中的所有非支配單個(gè)個(gè)體可以進(jìn)入非支配集之中；第四，更新外部集Rpop將群體的非支配集按ε-支配關(guān)系插入外部集ε-支配概念用于更新策略；第五，不再存在所謂對(duì)錯(cuò)問(wèn)題，而只存在視野角度不同的本質(zhì)區(qū)別。比如中醫(yī)屬于宏觀視覺(jué)的觀點(diǎn)，而西醫(yī)偏向微觀視覺(jué)的觀點(diǎn)，二者的立場(chǎng)決定結(jié)果的觀察差異。而量子醫(yī)學(xué)可以使得二者的聯(lián)合、關(guān)系、影響變得如此地關(guān)系密切，基本上無(wú)法讓人能夠從心理上馬上接受；第六，為種群中每個(gè)個(gè)體在外部集Rpop中隨機(jī)選取一個(gè)個(gè)體作為它的目標(biāo)個(gè)體；（3）最后外部集Rpop中的所有個(gè)體就是所求得的解集；（4）快速排序法構(gòu)造非支配集構(gòu)造非支配集途徑是多目標(biāo)進(jìn)化算法中的一個(gè)典型的重要結(jié)構(gòu)步驟。讓微觀狀態(tài)的微粒和宏觀的癥狀有機(jī)結(jié)合起來(lái)，量子醫(yī)學(xué)通過(guò)以生物光子的角度來(lái)研究疾病的形成、消退、異常、轉(zhuǎn)好等階段加入x不被其它單個(gè)個(gè)體支配則將x并入到非支配集接著再對(duì)前半部分重復(fù)上面的過(guò)程一直到前半部分為空。

5 結(jié)束語(yǔ)

在量子計(jì)算和多目標(biāo)優(yōu)化的理論和形成原理的基礎(chǔ)上，此文章首次提出求解多目標(biāo)優(yōu)化問(wèn)題的量子多目標(biāo)進(jìn)化算法，通過(guò)實(shí)驗(yàn)結(jié)果表明，該算法明比經(jīng)典的多目標(biāo)進(jìn)化算法SPEA2有較高優(yōu)勢(shì)。在以后的研究中可從進(jìn)一步加快算法運(yùn)行效率和增加實(shí)際應(yīng)用領(lǐng)域方面著手。

參考文獻(xiàn)：

[1]張蓉.基于量子遺傳算法的知識(shí)分布優(yōu)化研究[J].電腦知識(shí)與技術(shù)，2009（24）.

[2]劉金江，劉峰.利用多目標(biāo)量子粒子群算法求解背包問(wèn)題[J].計(jì)算機(jī)工程與應(yīng)用，2011（26）.

作者簡(jiǎn)介：許婧祺（1983.07-），湖南常德人，講師，碩士，研究方向：多目標(biāo)算法與智能控制、無(wú)線網(wǎng)絡(luò)、信息技術(shù)教育等。

作者單位：湖南機(jī)電職業(yè)技術(shù)學(xué)院，長(zhǎng)沙 410151

基金項(xiàng)目：湖南省教育廳科學(xué)研究項(xiàng)目（項(xiàng)目編號(hào)：13C257）；湖南省科技廳應(yīng)用基礎(chǔ)研究項(xiàng)目（項(xiàng)目編號(hào)：2014FJ3050）。