基于通用量子门的量子遗传算法及应用

doi:10.3778/j.issn.1002-8331.1509-0067

计算机工程与应用 ›› 2017, Vol. 53 ›› Issue (7): 54-59.DOI: 10.3778/j.issn.1002-8331.1509-0067

基于通用量子门的量子遗传算法及应用

李胜1，张培林1，李兵2，吴定海1，胡浩3

1.军械工程学院七系，石家庄 050003
2.军械工程学院四系，石家庄 050003
3.总装西安军事代表局咸阳地区军事代表室，陕西咸阳 712099

出版日期:2017-04-01 发布日期:2017-04-01

Quantum genetic algorithm based on universal quantum gates and its applications

LI Sheng1, ZHANG Peilin1, LI Bing2, WU Dinghai1, HU Hao3

1.Department Seventh, Ordnance Engineering College, Shijiazhuang 050003, China
2.Department Fourth, Ordnance Engineering College, Shijiazhuang 050003, China
3.Military Representation Department, Xianyang, Shaanxi 712099, China

Online:2017-04-01 Published:2017-04-01

摘要/Abstract

摘要： 为加快量子遗传算法的参数更新速度，简化遗传操作步骤，提出了一种基于通用量子门的量子遗传算法（Quantum Genetic Algorithm with Universal Quantum Gate，UQGA）。该方法以通用量子门为逻辑计算单位，对染色体进行遗传操作。利用Hadamard门进行基础变换；通用量子门通过新的旋转角度函数，对各个基因位进行选择、变异操作；通过求解适应度函数，得到全局最优解；同时，算法经数学证明是收敛的。该算法应用到函数极值搜索和Iris数据集特征选择中。实验结果表明，UQGA具有较好的全局搜索和特征选择性能，尤其是在收敛速度、运算时间和分类准确率方面明显优于普通量子遗传算法和普通遗传算法。

关键词: 量子计算, 通用量子门, 量子遗传算法, 函数极值搜索, 特征选择

Abstract: To fasten the speed of parameters updating and simplified steps of genetic operation in quantum genetic algorithm, a novel algorithm of Quantum Genetic Algorithm with Universal Quantum Gates（UQGA） is proposed. In this method, firstly, universal quantum gate is the unit of logical computation for chromosomes. Then, Hadamard gate is used for basic operation. Each gene is selected and mutated with universal quantum gates through a novel function of rotation angle. Finally, by the solution of fitness function, the global optimal set is got. Meanwhile, the algorithm is mathematically proven to be convergent. The algorithm is applied in function extremum search and feature selection for Iris dataset. The experimental results indicate that, compared with CQGA and CGA, UQGA has better performance in global search and feature selection, especially in convergence speed, execution time and classification accuracy.

Key words: quantum computation, universal quantum gates, Quantum Genetic Algorithm（QGA）, function extremum search, feature selection

李胜1，张培林1，李兵2，吴定海1，胡浩3. 基于通用量子门的量子遗传算法及应用[J]. 计算机工程与应用, 2017, 53(7): 54-59.

LI Sheng1, ZHANG Peilin1, LI Bing2, WU Dinghai1, HU Hao3. Quantum genetic algorithm based on universal quantum gates and its applications[J]. Computer Engineering and Applications, 2017, 53(7): 54-59.

[1]	侯旋，薛飞，陈涛. 无人机目标检测量子多模式识别优化算法[J]. 计算机工程与应用, 2021, 57(7): 228-236.
[2]	李莉，纪欣沅，宋嵩. 回环软件缺陷数量预测模型[J]. 计算机工程与应用, 2021, 57(7): 158-163.
[3]	李静星，杨有龙. 针对高维数据的马尔科夫毯特征选择[J]. 计算机工程与应用, 2021, 57(6): 58-66.
[4]	林炜星，王宇嘉，陈万芬，梁海娜. 基于多因子粒子群的高维数据特征选择算法[J]. 计算机工程与应用, 2021, 57(22): 199-207.
[5]	李珑珠，林耀进，吕彦，卢舜，王晨曦. 利用邻域信息交互的在线流特征选择算法[J]. 计算机工程与应用, 2021, 57(21): 102-108.
[6]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[7]	周林，郭兵. 改进TR门级联的量子比较器设计[J]. 计算机工程与应用, 2021, 57(19): 112-115.
[8]	武炜杰，张景祥. 融合分类信息的随机森林特征选择算法及应用[J]. 计算机工程与应用, 2021, 57(17): 147-156.
[9]	邱云飞，高华聪. 混合Filter与改进自适应GA的特征选择方法[J]. 计算机工程与应用, 2021, 57(11): 95-102.
[10]	霍林，陆寅丽. 改进粒子群算法应用于Android恶意应用检测[J]. 计算机工程与应用, 2020, 56(7): 96-101.
[11]	廖文雄，曾碧，梁天恺，徐雅芸，赵俊峰. 面向高维数据的个人信贷风险评估方法[J]. 计算机工程与应用, 2020, 56(4): 219-224.
[12]	彭明，张海澎. 基于Schatten-p范数和特征自表示的无监督特征选择[J]. 计算机工程与应用, 2020, 56(23): 45-52.
[13]	刘峰，Godfred Kim Mensah，李欣芸，刘鸿丽，李瑶，郭浩. 不确定脑网络的异常拓扑分析及分类研究[J]. 计算机工程与应用, 2020, 56(2): 127-132.
[14]	岳鹏，侯凌燕，杨大利，佟强. 基于XGBoost特征选择的疾病诊断XLC-Stacking方法[J]. 计算机工程与应用, 2020, 56(17): 136-141.
[15]	黄欣，莫海淼，赵志刚，曾敏. 离散型增强烟花算法和[kNN]在特征选择中的研究[J]. 计算机工程与应用, 2020, 56(16): 112-117.

基于通用量子门的量子遗传算法及应用

Quantum genetic algorithm based on universal quantum gates and its applications

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics