量子計算及其在智能優(yōu)化與控制中的應用.pdf

1、量子計算是信息科學和量子力學相結合的新興交叉學科，以量子算法為代表的量子計算由于具有高度的并行性、指數級存儲容量和對經典啟發(fā)式算法的指數加速作用，因此具有極大的優(yōu)越性并蘊涵著強大的生命力，現已成為世界各國學者研究的前沿領域。量子計算和智能計算的融合可以通過在傳統(tǒng)智能計算中引入量子計算機制，改變傳統(tǒng)智能計算的尋優(yōu)方式，提高尋優(yōu)能力和收斂速度等性能。因此，研究量子智能優(yōu)化算法有著重要的理論和現實意義。本論文主要研究Grover量子搜索算法的

2、改進策略、量子衍生優(yōu)化算法、量子神經網絡模型及算法，以及量子遺傳算法在模糊控制器參數優(yōu)化設計中的應用。具體可歸納如下。
　　首先，分析了基本Grover算法存在的問題，從改變量子態(tài)的旋轉相位和對搜索目標加權入手，提出了五種改進算法。這些改進均使算法的成功概率有不同程度的提高。
　　其次，通過直接將量子位的概率幅視為染色體上的基因位，構造了雙鏈染色體編碼方案，在此基礎上先后提出雙鏈量子遺傳算法、混沌量子免疫算法、量子蟻群算法、

3、量子粒子群算法；通過直接將量子位的Bloch坐標視為基因位，提出一種基于量子位Bloch坐標的量子衍生進化算法。在這些算法中，由于使用了雙鏈或三鏈搜索機制，可明顯提高算法的優(yōu)化效率。
　　第三，通過將量子計算機制和神經網絡理論相融合，提出了四種量子神經網絡模型及算法。在這些模型和算法中，其訓練過程均通過調整量子旋轉門或受控非門的相關參數實現，仿真結果表明其收斂速度和逼近能力明顯優(yōu)于普通神經網絡。
　　第四，針對帶解析描述的模