連續函數尋優的改進量子擴展蟻群算法

李士勇，柏繼云，2

(1.哈爾濱工業大學控制科學與工程系，黑龍江 哈爾濱 150001;2.東北農業大學 理學院，黑龍江 哈爾濱 150030)

蟻群算法(ant colony algorithm)是一種模擬螞蟻覓食行為的仿生優化算法，該算法具有信息正反饋、分布式計算、易于與其他算法結合等優點［1］，目前已成功應用于離散空間優化領域.但對于處理連續空間的優化問題，通常需要將問題進行離散化處理，求解精度不高，同時對于高維優化問題的求解存在很大困難［2］.

2008年，蟻群算法創始人Dorigo等提出了用于求解連續空間優化問題的最新蟻群優化算法，該算法通過引入解存儲器作為信息素模型，并將基本蟻群算法的離散概率選擇方式連續化，從而將其擴展到連續空間優化問題上，因而稱之為擴展蟻群算法(extension of ant colony optimization，ACOR)［3］.ACOR仍然按照ACO算法框架來設計，簡單易行.Dorigo等將其應用于經典的連續函數求解并與現有的算法對比獲得了更高的精度.但是，ACOR由于其仍然采用隨機方式產生初始解，僅通過一次搜索中解存儲器中解的目標函數值的大小來構建信息素，解的方向不夠明確，收斂速度緩慢，且容易陷入局部最優.

量子優化算法由于采用量子比特作為信息的最基本載體，比經典比特的表示包含更多的信息.同時，量子比特狀態的的疊加性和相干性，以及量子比特之間的糾纏性，使量子算法具有量子并行計算的潛力［4-8］.因此，本文針對ACOR算法的不足提出量子擴展蟻群算法(extended quantum ant colony algorithm，QACOR)，引入量子比特編碼螞蟻位置，在螞蟻數目不變的……