张立行 金 琦 魏振华

(火箭军工程大学 西安 710025)



不确定性智能规划算法研究*

张立行 金 琦 魏振华

(火箭军工程大学 西安 710025)

在众多研究领域都存在着客观或者人为的不确定优化问题，传统方法很难解决此类问题。论文在简述了传统量子遗传算法的原理和结构的基础上，分析了传统量子遗传算法主要存在的问题，即解空间转换和如何确定量子门的旋转相位，以此进行算法的改进，给出了改进量子遗传算法的流程，并以Shaffer’s F1多峰不确定优化问题为例，分析了IQGA的运行效率、收敛速度等性能。通过仿真研究表明IQGA运行效率较高，收敛速度较快，能较好地支持不确定规划问题。

不确定性; 智能规划; 进化算法; IQGA

Class Number TN99

1 引言

从系统观点出发，研究综合处理各类不确定性信息的理论与方法，称之为不确定性系统理论[1～2]。在运筹学、管理科学、信息科学等众多研究领域的问题中，都存在着客观的或人为的不确定性，伴随着这些千姿百态的不确定性，显然存在着大量的不确定优化问题[3]。传统方法远远不能满足解决具有双重或多重不确定性的决策系统优化问题的要求，因此，大量智能算法应运而生。

目前，国内外提出了大量的智能算法，如遗传算法、免疫算法等[4～7]。然而，每种进化算法都有其优点和不足，为了使多种智能算法优势互补，遵循“组合优化”的思想，对不同智能优化算法进行融合是一个重要的研究方向[8～11]。

1996年，Narayanan和Moore等将量子多宇宙的概念最先引入遗传算法，提出量子衍生遗传算法(Quantum Inspired Genetic Alogrithm)，并成功地用它解决了TSP问题，开创了量子计算与进化计算融合的新方向[12～13]。……