目录

1 选题的背景和意义

1.1 选题的背景

1.2 国内外研究现状及发展趋势

2 研究的基本内容

2.1 基本框架

2.2 研究的重点和难点

遗传算法以及量子遗传算法的算法结构

2.3 拟解决的关键问题

量子遗传算法在现实生活中的设计应用

3 研究的方法及措施

4 预期成果

2、资料收集准备阶段

3、论文写作及答辩阶段

3月下旬－5月下旬   论文修改、定稿、小组答辩；

参考文献

1 选题的背景和意义

1.1 选题的背景

量子遗传算法是一种崭新的进化算法，它基于量子原理，以量子位编码以及量子门更新群体来寻找全局最优解。与传统算法相比，量子遗传算法具有群体规模小,计算速度快,全局寻优能力强等特点。遗传算法仿效生物界中的“物竞天择，适者生存”的演化法则，是一种通过模仿自然进化过程完成对全局最优解搜索的方法。量子遗传算法融合了量子计算与遗传算法各自的优势。因此，量子遗传算法具有极大的优越性并蕴涵着强大的生命力，拥有极高的理论价值和应用背景。

1.2 国内外研究现状及发展趋势

2000年，K.H.Han等人在文献中提出在遗传编码过程中加入量子的态矢量表达，首次创造性地提出了量子遗传算法，并在量子旋转门的基础上，实现了个体染色体的基因调整策略，大大提高了量子遗传算法在量子计算机上运行的可能性。

2002年，K.H.Han等人在量子遗传算法先期研究的基础上，将种族迁徙机制引进算法中，形成了量子衍生进化算法。相对传统算法来说，量子衍生进化算法在保持群体多样性上具有更大的优势。

2003年，西南交通大学张葛祥提出了一种基于自适应调整搜索网络的量子遗传算法（NQGA），该算法采用量子比特相位比较法对量子门进行更新，随后不久，杨俊安教授等在文献中提出了一种基于多宇宙并行的量子遗传算法，而且在理论上验证了该算法具有良好的全局收敛性。

2004年，西南交通大学陈辉教授等在文献中提出了一种新的量子遗传算法，该算法是一种混沌更新量子旋转门转角的进化算法。随后，经过仿真证实了该算法收敛速度方面的优越性。同年，西安电子科技大学杨淑媛提出了一种基于量子计算概念和理论量子遗传算法。并从理论和仿真运算方面也证实了这一结果。

2004年，Hichem等人提出了一种用来优化求解旅行商问题的量子衍生遗传算法。由于将量子计算的概念及原理加入到普通的遗传算法中，从而它的计算性能明显高于普通的遗传算法。在已存在的量子遗传算法中，虽然量子门有着非常重要的作用，但是却忽略了其具体的设计方案。