Page 220 - 当代控制理论及应用技术概论

当代控制理论及应用技术概论
Introduction to Contemporary Control Theory and Applied Technology

进行特征选择问题的研究；袁晓峰等人利用量子遗传算法进行粗糙集属性约简；
焦嵩鸣等人将改进的量子遗传算法应用到热工过程模型辨识中，拓宽了量子遗传
算法的应用。
（五）量子遗传算法未来研究展望
量子遗传算法虽然引进了量子计算中的一些概念，但其本质仍是一种遗传

算法，所以在理论上 . 传统遗传算法的应用领域均适用于量子遗传算法，并且求
解效率明显优于传统遗传算法。但由于量子遗传算法是一种新理论，在理论研究、
复杂函数优化等方面还不是很成熟。目前的研究主要集中在组合优化、数值优化

等有限的几个领域，更多的研究领域有待于扩展。
1. 算法的理论基础
在算法理论基础方面的研究主要停留在构造新的量子门、量子交叉算子等
方面，对于算法收敛性，收政速度估计、参数设置对算法的影响等数学基础领域
方面的研究则很少涉及。而量子遗传算法较之传统遗传算法的优势在于以较小的

种群规模就可以快速收敛到最优解，因此，其收敛性等数学基础领域的研究更值
得人们关注。
2. 混合算法研究

混合算法能够综合各种方法的优点，构造出符合特定应用背景的算法，因
而受到广泛重视。将量子理论、免疫原理、神经网络、混沌理论、多智能体系统
等领域的思想和方法引人到量子遗传算法中，构造混合算法框架将是未来的一个
发展方向。
3. 高维函数优化问题

量子遗传算法在 0-1 背包问题等简单组合优化问题上取得了突出的成果，
但采用量子位编码观察的方式得到二进制编码的量子遗传算法，不适合多参数优
化和高精度计算的要求，在处理高维函数优化问题时会出现早熟以及陷人局部最

优的现象。因此 . 构造符合高维函数优化问题的量子遗传算法是重要的研究课题。
4. 交互式领域
用户的审美疲劳问题是制约交互式遗传算法发展的关键因素之一，而用户
审美疲劳问题产生的根源在于种群规模与收敛速度之间的矛盾。因为若保证用户
在交互的过程中不至于产生疲劳，必须使种群规模限制在很少的情况下，但是较

小的种群规模会导致遗传算法早熟，无法保证算法收敛到最优解。

212
212