量子遗传算法函数求极值

最新推荐文章于 2024-03-14 09:15:51 发布

Golden Wang

最新推荐文章于 2024-03-14 09:15:51 发布

阅读量1.1k

点赞数 3

分类专栏： matlab智能优化算算法量子遗传算法文章标签：人工智能

本文链接：https://blog.csdn.net/weixin_51223522/article/details/115441736

版权

matlab智能优化算算法同时被 2 个专栏收录

2 篇文章 0 订阅

订阅专栏

量子遗传算法

1 篇文章 0 订阅

订阅专栏

本文介绍了一种量子遗传算法用于寻找极值问题的解决方案。算法利用量子比特的叠加态和量子门更新策略，提高搜索空间的多样性。在MATLAB中实现该算法，包括初始化种群、二进制编码、量子旋转门更新和适应度函数计算等步骤，最终找到最优解并展示优化结果。

摘要由CSDN通过智能技术生成

一理论知识

量子遗传算法概述

量子计算中采用量子态作为基本的信息单元，利用量子态的叠加态，纠缠和干涉，通过量子并行计算。

二量子比特编码

量子的单位叫做量子比特，量子比特与经典位不同就在于它可以同时处于两个量子的叠加态之中

比如： $\mid \psi > =\alpha \mid 0> +\beta \mid 1>$ ( $\alpha ,\beta$ )满足 $\left | \alpha \right |^{2}+\left | \beta \right |^{2}=1$ 其中 $\mid 0> ,\mid 1>$ 分别表示自旋向上和自旋向下，

所以一个量子比特包含两个状态。

在量子遗传算法中，采用量子比特存储和表达一个基因。该基因可以为0态或者1态，或者他们的任意叠加态。

即该基因所表达的不在是某一个确定的信息，而是包含所有可能的信息，对该基因的任一操作也会同时作用

于所有的信息。

采用量子比特编码使得一个染色体可以同时表达多个态的叠加，使得量子遗传算法比经典遗传算法拥有更好的多样性特征。

三量子门更新

$\bigcup =\left [ \begin{matrix} \cos (\theta ) -\sin(\theta ) & \\ \sin (\theta) \cos(\theta ) & \end{matrix} \right ]$

四问题描述

求极值：

五函数部分：

主函数：

clc;
clear all;
close all;
%----------------参数设置-----------------------
MAXGEN=200;                        % 最大遗传代数
sizepop=40;                        % 种群大小
lenchrom=[20 20];          % 每个变量的二进制长度
trace=zeros(1,MAXGEN);
%--------------------------------------------------------------------------      
best=struct('fitness',0,'X',[],'binary',[],'chrom',[]);   % 最佳个体 记录其适应度值、十进制值、二进制编码、量子比特编码
%% 初始化种群
chrom=InitPop(sizepop*2,sum(lenchrom));
%% 对种群实施一次测量 得到二进制编码
binary=collapse(chrom); 
%% 求种群个体的适应度值，和对应的十进制值
[fitness,X]=FitnessFunction(binary,lenchrom);         % 使用目标函数计算适应度
%% 记录最佳个体到best
[best.fitness bestindex]=max(fitness);     % 找出最大值
best.binary=binary(bestindex,:);
best.chrom=chrom([2*bestindex-1:2*bestindex],:);
best.X=X(bestindex,:);
trace(1)=best.fitness;
fprintf('%d\n',1)
%% 进化
for gen=2:MAXGEN
    fprintf('%d\n',gen)  %提示进化代数
    %% 对种群实施一次测量
    binary=collapse(chrom);
    %% 计算适应度
    [fitness,X]=FitnessFunction(binary,lenchrom);
    %% 量子旋转门
    chrom=Qgate(chrom,fitness,best,binary);
    [newbestfitness,newbestindex]=max(fitness);    % 找到最佳值
    % 记录最佳个体到best
    if newbestfitness>best.fitness
        best.fitness=newbestfitness;
        best.binary=binary(newbestindex,:);
        best.chrom=chrom([2*newbestindex-1:2*newbestindex],:);
        best.X=X(newbestindex,:);
    end
    trace(gen)=best.fitness;
end

%% 画进化曲线
plot(1:MAXGEN,trace);
title('进化过程');
xlabel('进化代数');
ylabel('每代的最佳适应度');

%% 显示优化结果
disp(['最优解X：',num2str(best.X)])
disp(['最大值Y:',num2str(best.fitness)]);

种群的初始化话：

function chrom=InitPop(M,N)
%% 初始化种群-量子比特编码
% M:为种群大小×2，(α和β)
% N:为量子比特编码长度
for i=1:M
    for j=1:N
        chrom(i,j)=1/sqrt(2);
    end
end

编写二进制编码：

function binary=collapse(chrom)
%% 对种群实施一次测量 得到二进制编码
% 输入chrom ：为量子比特编码
% 输出binary：二进制编码
[M,N]=size(chrom);  %得到种群大小 和编码长度
M=M/2;  % 种群大小
binary=zeros(M,N);  %二进制编码大小初始化
for i=1:M
    for j=1:N
        pick=rand;  %产生【0,1】随机数
        if pick>(chrom(2.*i-1,j)^2)    % 随机数大于α的平方
            binary(i,j)=1;
        else
            binary(i,j)=0;
        end
    end
end

量子旋转门：

function chrom=Qgate(chrom,fitness,best,binary)
%% 量子旋转门调整策略
% 输入  chrom：更新前的量子比特编码
%     fitness：适应度值
%        best：当前种群中最优个体
%      binary：二进制编码
% 输出  chrom：更新后的量子比特编码
sizepop=size(chrom,1)/2;
lenchrom=size(binary,2);
for i=1:sizepop
    for j=1:lenchrom
        A=chrom(2*i-1,j);   % α
        B=chrom(2*i,j);     % β
        x=binary(i,j);
        b=best.binary(j);
        if ((x==0)&(b==0))||((x==1)&(b==1))
            delta=0;                  % delta为旋转角的大小
            s=0;                        % s为旋转角的符号，即旋转方向
        elseif (x==0)&(b==1)&(fitness(i)<best.fitness)
            delta=0.01*pi;
            if A*B>0
                s=1;
            elseif A*B<0
                s=-1;
            elseif A==0
                s=0;
            elseif B==0
                s=sign(randn);
            end
        elseif (x==0)&(b==1)&(fitness(i)>=best.fitness)
            delta=0.01*pi;
            if A*B>0
                s=-1;
            elseif A*B<0
                s=1;
            elseif A==0
                s=sign(randn);
            elseif B==0
                s=0;
            end
        elseif (x==1)&(b==0)&(fitness(i)<best.fitness)
            delta=0.01*pi;
            if A*B>0
                s=-1;
            elseif A*B<0
                s=1;
            elseif A==0
                s=sign(randn);
            elseif B==0
                s=0;
            end
        elseif (x==1)&(b==0)&(fitness(i)>=best.fitness)
            delta=0.01*pi;
            if A*B>0
                s=1;
            elseif A*B<0
                s=-1;
            elseif A==0
                s=0;
            elseif B==0
                s=sign(randn);
            end
        end
        e=s*delta;       % e为旋转角
        U=[cos(e) -sin(e);sin(e) cos(e)];      % 量子旋转门
        y=U*[A B]';        % y为更新后的量子位
        chrom(2*i-1,j)=y(1);
        chrom(2*i,j)=y(2);
    end
end

量子旋转门策略

适应度函数：

function [fitness,X]=FitnessFunction(binary,lenchrom)
%% 适应度函数
% 输入  binary：二进制编码
%     lenchrom：各变量的二进制位数
% 输出 fitness：适应度
%            X：十进制数（待优化参数）
sizepop=size(binary,1);
fitness=zeros(1,sizepop);
num=size(lenchrom,2);
X=zeros(sizepop,num);
for i=1:sizepop
    [fitness(i),X(i,:)]=Objfunction(binary(i,:),lenchrom);         % 使用目标函数计算适应度
end
function [Y,X]=Objfunction(x,lenchrom)
%% 目标函数
% 输入     x：二进制编码
%   lenchrom：各变量的二进制位数
% 输出     Y：目标值
%          X：十进制数
bound=[-3.0 12.1;4.1 5.8];   % 函数自变量的范围
%% 将binary数组转化成十进制数组
X=bin2decFun(x,lenchrom,bound);
%% 计算适应度-函数值
Y=sin(4*pi*X(1))*X(1)+sin(20*pi*X(2))*X(2);
function X=bin2decFun(x,lenchrom,bound)
%% 二进制转化成十进制
% 输入      x：二进制编码
%    lenchrom：各变量的二进制位数
%       bound：各变量的范围
% 输出      X：十进制数
M=length(lenchrom);                                            
n=1;
X=zeros(1,M);
for i=1:M
    for j=lenchrom(i)-1:-1:0
        X(i)=X(i)+x(n).*2.^j;
        n=n+1;
    end
end
X=bound(:,1)'+X./(2.^lenchrom-1).*(bound(:,2)-bound(:,1))';

结果：最优解X：11.6281 5.72505
最大值Y:17.3441