许 波，彭志平，余建平，柯文德

（1.广东石油化工学院计算机科学与技术系，广东茂名525000；2.广东高校石油化工过程装备故障诊断与信息化控制工程技术开发中心，广东茂名525000；3.湖南师范大学数学与计算机科学学院，长沙 410081）

1 前言

量子遗传算法（QGA）是近年发展起来的一种基于量子计算[1]原理的概率优化算法，主要是在遗传算法（GA）中引入量子计算的一些概念，使遗传操作更有效，具有种群规模小但不影响算法性能，同时兼有全局寻优能力强和收敛速度快的特点。Narayanan等[2]首次将量子计算理论与进化算法相结合，提出了QGA的概念，Han K H等[3～5]将QGA用于典型组合优化问题——背包问题，实现了组合优化问题的求解，之后关于QGA的研究成果大量出现在各种学术会议与期刊中。张葛祥等[6]提出一种新量子遗传算法（NQGA），其核心是采用自适应调整搜索网格的策略与量子比特相位比较法更新量子门。李盼池[7]则利用实数变量和量子位构成实数染色体，并设计了互补变异算子来进化染色体。李士勇等[8，9]针对QGA不适于连续函数优化的问题，提出改进的QGA，直接将量子染色体与当前最优解相比较来确定旋转门的旋转角，种群中各个体以不同速率向最优解进化，以同时实现全局搜索与局部搜索，引入变异操作以防止算法早熟收敛。张亮等[10]提出一种基于球面解空间划分的QGA，引入多区域并行搜索机制，制定了群间的染色体置换策略，设计了新的量子变异操作，并以种群退化的程度来确定变异的概率。……