论文部分内容阅读
量子计算具有许多优良的特性,如并行性、存储容量达指数级以及指数加速等,当今许多国家都对其进行研究,并把其列为本国重点研究的前沿学科。量子理论中定义的量子态的叠加、纠缠和干涉等特征可以解决传统计算中的许多难题,量子计算因其强大的计算能力和独特的计算性能吸引了众多国内外学者的关注。 组合优化问题的解决在理论和实际应用领域都有非常重要的地位。随着问题规模的扩大,因为计算复杂度的问题,如果使用确定性算法很多组合问题的最优解是无法实现的。针对难解的离散优化问题,蚁群优化算法是一种理想的方法,在合理的时间内,它能得到能够接受的解。该算法易于与其它算法结合,具有正反馈、分布式、鲁棒性强的优点。 量子计算与智能方法的结合开辟了一个新的研究方法,在一定情况下,可以克服陷入局部最优解并提高计算效率。因此,研究与量子相关的智能技术,在传统经典计算中引入与量子计算相关的一些原理,改善计算的性能,同时具有重要的应用价值和理论价值。量子蚁群算法是蚁群算法与量子计算结合而提出的算法,该算法的种群具有较好的分散性,对问题的全局搜索有较强的优势,收敛速度也较快,并行性较佳。本文主要针对量子蚁群算法的特性进行改进研究,并将其应用于组合优化问题的求解。 本文将量子计算的并行性特性与云平台结合起来,实现了基于云平台的量子蚁群算法,结果显示,基于云平台的量子蚁群算法具有更好的并行效率。为了进一步研究量子蚁群算法的性能,将量子蚁群算法与邻域搜索相结合,提出了一种基于变换邻域的改进量子蚁群算法,并将其用于求解TSP问题,各路径上的信息素使用量子比特的概率幅编码,蚂蚁走过的路径和量子旋转门对信息素进行调整,加快算法收敛速度,使用TSPLIB中的实例进行仿真测试,结果证明该算法比传统蚁群算法具有更快的收敛速度和求解精度。