基于量子计算技术的智能算法的研究与应用

摘要

量子计算具有并行性、指数加速和指数级存储容量等特征，已经成为当今世界各国紧密跟踪的前沿学科之一。量子理论中有关量子态的叠加、纠缠和干涉等特性，有可能解决经典计算中的许多难题，它以独特的计算性能和强大的计算能力引起科技界的广泛关注。
　　智能算法是近几年来优化领域的一个重要的研究方向，被越来越多的学者关注，尤其是模拟自然界社会性生物的进化机制和群体行为的群体智能算法，它是一种随机搜索优化算法，作为群体智能研究领域的两种算法，模拟生物蚁群的蚁群算法和模拟鸟群运动模式的微粒群算法，由于概念简单、实现方便等特点，短期内迅速得到了国际演化计算研究领域的认可。
　　结合量子计算的智能方法也是一个新的研究领域，可以在一定程度上提高计算效率和克服陷入局部极值。为此，开展量子计算智能技术的研究，将量子计算中的一些基本概念引进到经典计算上，用来改善经典计算的性能，成为众多学者所关注的一个问题，同时具有重要的理论价值和应用价值。本文借鉴量子理论的特性，研究了结合量子计算的智能算法，首先将量子计算方法和蚁群算法相融合，提出了一种新的量子蚁群算法，并将其用在解决中国旅行商问题中；然后结合量子微粒群算法，提出了一种改进算法，并验证了该算法的有效性。具体研究内容如下:
　　1.量子计算的原理概述。介绍了量子计算原理，量子力学理论的量子位、量子门、量子寄存器；介绍了量子计算的一些特性，比如量子态的叠加、状态相干性、状态纠缠性和并行性。
　　2.智能算法的研究。介绍了微粒群算法的原理、算法流程和应用方面的研究现状，蚁群算法的基本原理、算法流程和蚁群算法的特点、改进算法等，并将蚁群算法和神经网络结合，实验结果表明基于蚁群的神经网络应用于中小企业信用评价上有较强的泛化能力，较高的准确性，而且网络收敛速度较快。
　　3.量子蚁群算法的研究与应用。提出了改进的量子蚁群算法，用量子比特来表示信息素，用量子旋转门的旋转操作来更新信息素，并给出了新算法的实现步骤，通过实验证明了此算法与基本蚁群算法相比，提高了收敛速度和寻找最优解的能力，并将量子蚁群算法应用在求解中国旅行商问题中，得到了最优解，说明该算法在解决实际问题方面是可行的，实用的。
　　4.量子微粒群算法的改进。在研究量子微粒群算法的原理、算法流程等基础上，提出了一种改进算法，两个粒子群按照给出的位置方程共同进化，通过实验证明改进后的算法全局搜索能力得到加强，证明了此算法的优越性。

目录

封面

声明

目录

中文摘要

英文摘要

第一章 绪论

1.1 研究背景及意义

1.2 主要研究内容

1.3 创新点和组织结构

第二章 量子计算原理

2.1 量子位

2.2 量子门

2.3 量子寄存器

2.4 量子计算的特性

2.5 量子优化算法的几种模型

2.6 本章小结

第三章 智能算法的研究

3.1 群体智能

3.2 微粒群算法简介

3.3 蚁群算法简介

3.4 蚁群神经网络在中小企业信用评价中的应用

第四章 量子蚁群算法研究及应用

4.1 量子蚁群算法设计

4.2 量子蚁群算法流程

4.3 实验及结果分析

4.4 量子蚁群算法在 CTSP 中的应用

4.5 本章小结

第五章 量子微粒群算法的改进

5.1 量子微粒群算法

5.2 改进的量子微粒群算法

5.3 仿真实验

5.4 本章小结

第六章 结束语

6.1 本文的工作

6.2 进一步的研究方向

参考文献

攻读硕士学位期间发表的论文

致谢