摘 要：第一次將量子計算的理論用途于多目標優(yōu)化之上可以提出量子多目標進化算法其采用量子位研究微觀粒子的運動規(guī)律的物理學分支學科，它主要研究原子、分子、凝聚態(tài)物質，以及原子核和基本粒子的結構、性質的基礎理論，它與相對論一起構成了現(xiàn)代物理學的理論基礎。量子力學不僅是近代物理學的基礎理論之一，而且在化學等有關學科和許多近代技術中也得到了廣泛的應用。

關鍵詞：多目標進化算法；量子多目標進化算法多目標優(yōu)化

中圖分類號：TP301.6

在科學技術研究中與生活應用中前景無限，現(xiàn)在傳統(tǒng)經(jīng)典的多目標進化算法M0EAS包括：PESAPAES SPEA2和NSGA2，多目標優(yōu)化是進化計算系列的研究熱點和難點。

1 學量子力學要看學哪個方面，我不認為學習一定需要基礎

我也是從高一開始學量子力學的，高一看完汪德新先生寫的《量子力學》，雖然看不太懂當時。不過時間長了就自然會領悟的。當然以你現(xiàn)在的知識要看懂很難。如果先看那些量子力學的大眾閱讀書的話，先懂得它的物理解釋那一切好辦了！如果真想學好的話，記住一定要記筆記。此文章實驗研究說明此種方法與傳統(tǒng)的多目標進化算法SPEA2相比其表達性更好且分布更加的均勻平衡。這種可以利用量子門旋轉策略和量子門突變實現(xiàn)種群的進化，通過外圍集保留最優(yōu)解集使用ε支配關系，構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)解構造方法加快計算方法，運行的實際效率，實驗表明此種方法的優(yōu)勢比經(jīng)典的多目標進化算法SPEA2很高。

2 多目標優(yōu)化的基本概念

在人們認識到光具有波動和微粒的二象性之后，為了解釋一些經(jīng)典理論無法解釋的現(xiàn)象，法國物理學家德布羅意于1923年提出微觀粒子具有波粒二象性的假說。德布羅意認為：正如光具有波粒二象性一樣，實體的微粒也具有這種性質，即既具有粒子性也具有波動性。這一假說不久就為實驗所證實。

在種群之外設置一個外部種群的目的，量子制作只是相對把硬件體積縮小！電腦主要硬件就是那么幾樣！就像手機縮到一個指甲那么大，結果帶來的是不方便！所以沒必要。

然后將非支配個體按ε-支配關系分別插入外圍集中充當單個非支配個體，不被外圍集中包含的任何一個個體-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體被新加入的非支配個體-ε支配則將該個體從外部集中剔除用-ε支配關系更新的外圍集并且保證每個網(wǎng)格最多只有一個個體，這樣就可以得到的解集分布較均勻。

3 量子計算的基本概念

在傳統(tǒng)的計算機中信息儲備是以二進制來表達不是0態(tài)就是l態(tài)，量子力學打破了經(jīng)典物理的因果律，提出了新的不確定性原理，愛因斯坦對此有句很著名的話“上帝不擲骰子”。量子進化算法建立在量子的態(tài)矢量表述基礎上，將量子比特的幾率幅表示應用于染色體的編碼使得一條染色體可以表達多個態(tài)的疊加并利用量子旋轉門更新染色體從而使個體進化達到優(yōu)化目標的目的。

3.l 量子比特編碼

在量子進化算法之中，最小的信息單元用量子比特單位來表示。一個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)，所以一個量子比特表示為：|Ψ>=α|0>+β|1>

3.2 量子旋轉門

就是建立在量子力學原理的基礎上，結合了量子生物學、量子藥理學和生命信息學，利用微觀狀態(tài)的電子波動、輻射、能量等形式，對機體進行綜合、系統(tǒng)、全面、發(fā)展性地預防、調(diào)節(jié)、診斷、治療、康復的學科。如果b支配c，則調(diào)整c中相應位量子比特使得幾率幅對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中相應位量子比特，使得幾率幅對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前個體使得種群逐步逼近非劣最優(yōu)目標域。

3.3 量子變異

建立在量子力學原理的基礎上，結合了量子生物學、量子藥理學和生命信息學，利用微觀狀態(tài)的電子波動、輻射、能量等形式，對機體進行綜合、系統(tǒng)、全面、發(fā)展性地預防、調(diào)節(jié)、診斷、治療、康復的學科。因為人們在微觀尺度上的觀察能力仍然有限。就不斷減少參與變異的個體的數(shù)目變異概率pmutation按公式5計算Currentgen是當前運行代數(shù)Maxgen是最大進化代數(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體參與整體異變；（2）在選中的當個個體中隨機選擇一個量子比特；（3）將已經(jīng)選定的量子比特的幾率幅對α，β前后變換，通過量子異變操作，更改了相應量子比特態(tài)疊加的狀態(tài)使得原來傾向于坍縮到狀態(tài)“l(fā)”的變?yōu)閮A向于坍縮到狀態(tài)。

4 量子多目標進化算法

量子多目標進化算法主要框架：（1）初始化種群Pop及相關參數(shù)對種群中每個個體初始化其目標個體為自身所有的幾率幅對α，β都被初始化為（ 這表示在初始階段所有狀態(tài)以相等概率進行疊加；（2）迭代循環(huán)直到最大進化代數(shù)Maxgen。第一，按照二進制競賽選擇從種群中選出個體用量子旋轉門U（θ）更新然后對更新的個體實行量子變異操作；第二，根據(jù)種群中各個個體的幾率幅α，β對每個個體實施一；次測量得到相應的一組確定解；第三，由上一步得到的一組可以確定解按支配關系結構，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個體可以進入非支配集之中；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，不再存在所謂對錯問題，而只存在視野角度不同的本質區(qū)別。比如中醫(yī)屬于宏觀視覺的觀點，而西醫(yī)偏向微觀視覺的觀點，二者的立場決定結果的觀察差異。而量子醫(yī)學可以使得二者的聯(lián)合、關系、影響變得如此地關系密切，基本上無法讓人能夠從心理上馬上接受；第六，為種群中每個個體在外部集Rpop中隨機選取一個個體作為它的目標個體；（3）最后外部集Rpop中的所有個體就是所求得的解集；（4）快速排序法構造非支配集構造非支配集途徑是多目標進化算法中的一個典型的重要結構步驟。讓微觀狀態(tài)的微粒和宏觀的癥狀有機結合起來，量子醫(yī)學通過以生物光子的角度來研究疾病的形成、消退、異常、轉好等階段加入x不被其它單個個體支配則將x并入到非支配集接著再對前半部分重復上面的過程一直到前半部分為空。

5 結束語

在量子計算和多目標優(yōu)化的理論和形成原理的基礎上，此文章首次提出求解多目標優(yōu)化問題的量子多目標進化算法，通過實驗結果表明，該算法明比經(jīng)典的多目標進化算法SPEA2有較高優(yōu)勢。在以后的研究中可從進一步加快算法運行效率和增加實際應用領域方面著手。

參考文獻：

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

[2]劉金江，劉峰.利用多目標量子粒子群算法求解背包問題[J].計算機工程與應用，2011（26）.

作者簡介：許婧祺（1983.07-），湖南常德人，講師，碩士，研究方向：多目標算法與智能控制、無線網(wǎng)絡、信息技術教育等。

作者單位：湖南機電職業(yè)技術學院，長沙 410151

基金項目：湖南省教育廳科學研究項目（項目編號：13C257）；湖南省科技廳應用基礎研究項目（項目編號：2014FJ3050）。