量子遗传的函数寻优算法MATLAB实现

baqiao

, Z4 v* \& t" Z) s4 F7 t' W% z量子遗传算法就是基于量子计算原理的一种遗传算法。将量子的态矢量表达引入了遗传编码，利用量子逻辑门实现染色体的演化，实现了比常规遗传算法更好的效果。

  o4 W' E" f: L量子遗传算法建立在量子的态矢量表示的基础之上，将量子比特的几率幅表示应用于染色体的编码，使得一条染色体可以表达多个态的叠加，并利用量子逻辑门实现染色体的更新操作，从而实现了目标的优化求解。
- a- ~1 f1 o8 @# P" l
1 o& T, W2 G$ `/ y% OMatlab代码：

①QuantumMain.m

• clc;
• clear all;
• close all;
• %----------------参数设置-----------------------
• MAXGEN=200;                        % 最大遗传代数
• sizepop=40;                        % 种群大小
• lenchrom=[20 20];          % 每个变量的二进制长度
• trace=zeros(1,MAXGEN);
• %--------------------------------------------------------------------------
• best=struct('fitness',0,'X',[],'binary',[],'chrom',[]);   % 最佳个体 记录其适应度值、十进制值、二进制编码、量子比特编码
• %% 初始化种群
• chrom=InitPop(sizepop*2,sum(lenchrom));
• %% 对种群实施一次测量 得到二进制编码
• binary=collapse(chrom);
• %% 求种群个体的适应度值，和对应的十进制值
• [fitness,X]=FitnessFunction(binary,lenchrom);         % 使用目标函数计算适应度
• %% 记录最佳个体到best
• [best.fitness bestindex]=max(fitness);     % 找出最大值
• best.binary=binary(bestindex,：）;
• best.chrom=chrom([2*bestindex-1:2*bestindex],：）;
• best.X=X(bestindex,：）;
• trace(1)=best.fitness;
• fprintf('%d\n',1)
• %% 进化
• for gen=2:MAXGEN
•     fprintf('%d\n',gen)  %提示进化代数
•     %% 对种群实施一次测量
•     binary=collapse(chrom);
•     %% 计算适应度
•     [fitness,X]=FitnessFunction(binary,lenchrom);
•     %% 量子旋转门
•     chrom=Qgate(chrom,fitness,best,binary);
•     [newbestfitness,newbestindex]=max(fitness);    % 找到最佳值
•     % 记录最佳个体到best
•     if newbestfitness>best.fitness
•         best.fitness=newbestfitness;
•         best.binary=binary(newbestindex,：）;
•         best.chrom=chrom([2*newbestindex-1:2*newbestindex],：）;
•         best.X=X(newbestindex,：）;
•     end
•     trace(gen)=best.fitness;
• end
• %% 画进化曲线
• plot(1:MAXGEN,trace);
• title('进化过程');
• xlabel('进化代数');
• ylabel('每代的最佳适应度');
• %% 显示优化结果
• disp(['最优解X：',num2str(best.X)])
• disp(['最大值Y:',num2str(best.fitness)]);
  

           

$ T5 F5 h4 z0 T* Q②Qgate.m
; q9 ?  n1 Z, G9 f7 [7 \% `7 T

• function chrom=Qgate(chrom,fitness,best,binary)
• %% 量子旋转门调整策略
• % 输入  chrom：更新前的量子比特编码
• %     fitness：适应度值
• %        best：当前种群中最优个体
• %      binary：二进制编码
• % 输出  chrom：更新后的量子比特编码
• sizepop=size(chrom,1)/2;
• lenchrom=size(binary,2);
• for i=1:sizepop
•     for j=1:lenchrom
•         A=chrom(2*i-1,j);   % α
•         B=chrom(2*i,j);     % β
•         x=binary(i,j);
•         b=best.binary(j);
•         if ((x==0)&(b==0))||((x==1)&(b==1))
•             delta=0;                  % delta为旋转角的大小
•             s=0;                        % s为旋转角的符号，即旋转方向
•         elseif (x==0)&(b==1)&(fitness(i)<best.fitness)
•             delta=0.01*pi;
•             if A*B>0
•                 s=1;
•             elseif A*B<0
•                 s=-1;
•             elseif A==0
•                 s=0;
•             elseif B==0
•                 s=sign(randn);
•             end
•         elseif (x==0)&(b==1)&(fitness(i)>=best.fitness)
•             delta=0.01*pi;
•             if A*B>0
•                 s=-1;
•             elseif A*B<0
•                 s=1;
•             elseif A==0
•                 s=sign(randn);
•             elseif B==0
•                 s=0;
•             end
•         elseif (x==1)&(b==0)&(fitness(i)<best.fitness)
•             delta=0.01*pi;
•             if A*B>0
•                 s=-1;
•             elseif A*B<0
•                 s=1;
•             elseif A==0
•                 s=sign(randn);
•             elseif B==0
•                 s=0;
•             end
•         elseif (x==1)&(b==0)&(fitness(i)>=best.fitness)
•             delta=0.01*pi;
•             if A*B>0
•                 s=1;
•             elseif A*B<0
•                 s=-1;
•             elseif A==0
•                 s=0;
•             elseif B==0
•                 s=sign(randn);
•             end
•         end
•         e=s*delta;       % e为旋转角
•         U=[cos(e) -sin(e);sin(e) cos(e)];      % 量子旋转门
•         y=U*[A B]';        % y为更新后的量子位
•         chrom(2*i-1,j)=y(1);
•         chrom(2*i,j)=y(2);
•     end
• end
  

      

9 x) i" |7 B' Z7 S0 _③Objfunction.m
1 |+ c: z3 V- I# D# G' t/ p
8 ~7 F* g/ {7 g% v/ R- z

• function [Y,X]=Objfunction(x,lenchrom)
• %% 目标函数
• % 输入     x：二进制编码
• %   lenchrom：各变量的二进制位数
• % 输出     Y：目标值
• %          X：十进制数
• bound=[-3.0 12.1;4.1 5.8];   % 函数自变量的范围
• %% 将binary数组转化成十进制数组
• X=bin2decFun(x,lenchrom,bound);
• %% 计算适应度-函数值
• Y=sin(4*pi*X(1))*X(1)+sin(20*pi*X(2))*X(2);
  

      
  V' u5 ]3 Z) T2 f0 E, j# @, L
8 m+ h5 p$ \+ j4 h5 Y④InitPop.m

• function chrom=InitPop(M,N)
• %% 初始化种群-量子比特编码
• % M:为种群大小×2，(α和β)
• % N:为量子比特编码长度
• for i=1:M
•     for j=1:N
•         chrom(i,j)=1/sqrt(2);
•     end
• end
  " v1 `3 d5 X4 J$ ^2 R

   
% A' i# O% q3 f
⑤FitnessFunction.m

• function [fitness,X]=FitnessFunction(binary,lenchrom)
• %% 适应度函数
• % 输入  binary：二进制编码
• %     lenchrom：各变量的二进制位数
• % 输出 fitness：适应度
• %            X：十进制数（待优化参数）
• sizepop=size(binary,1);
• fitness=zeros(1,sizepop);
• num=size(lenchrom,2);
• X=zeros(sizepop,num);
• for i=1:sizepop
•     [fitness(i),X(i,：）]=Objfunction(binary(i,：）,lenchrom);         % 使用目标函数计算适应度
• end
  " A8 e' v/ E9 m: |6 q! e7 A

     

⑥collapse.m
+ x/ T9 H1 q; _
* j" ]& P9 s& Q7 a7 |% X

• function binary=collapse(chrom)
• %% 对种群实施一次测量 得到二进制编码
• % 输入chrom ：为量子比特编码
• % 输出binary：二进制编码
• [M,N]=size(chrom);  %得到种群大小 和编码长度
• M=M/2;  % 种群大小
• binary=zeros(M,N);  %二进制编码大小初始化
• for i=1:M
•     for j=1:N
•         pick=rand;  %产生【0,1】随机数
•         if pick>(chrom(2.*i-1,j)^2)    % 随机数大于α的平方
•             binary(i,j)=1;
•         else
•             binary(i,j)=0;
•         end
•     end
• end
  5 L: O# Y% W3 c$ V, h, d/ [

   

⑦bin2decFun.m
8 h" l8 h1 Z2 t( j+ I
+ C1 W+ _+ r" n# c4 ~

• function X=bin2decFun(x,lenchrom,bound)
• %% 二进制转化成十进制
• % 输入      x：二进制编码
• %    lenchrom：各变量的二进制位数
• %       bound：各变量的范围
• % 输出      X：十进制数
• M=length(lenchrom);
• n=1;
• X=zeros(1,M);
• for i=1:M
•     for j=lenchrom(i)-1:-1:0
•         X(i)=X(i)+x(n).*2.^j;
•         n=n+1;
•     end
• end
• X=bound(:,1)'+X./(2.^lenchrom-1).*(bound(:,2)-bound(:,1))';
  1 ~/ c" I2 S: c

     

) O3 v" W/ i7 Y8 a6 t结果：

/ \$ X9 F3 l+ Y

adogpp

量子遗传的函数寻优算法MATLAB实现