《量子免疫多目標最佳化模型與算法研究》是依託西安電子科技大學，由尚榮華擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：量子免疫多目標最佳化模型與算法研究
- 項目類別：青年科學基金項目
- 項目負責人：尚榮華
- 依託單位：西安電子科技大學
中文摘要,結題摘要,
中文摘要
針對已有多目標最佳化算法在求解高維多目標最佳化問題和動態多目標最佳化問題.時，存在的早熟、收斂速度慢和局域搜尋能力較弱等瓶頸問題，本項目擬將量子的快速並行.計算特性與人工免疫系統理論相結合，引入非達爾文進化學習機理，建立量子免疫多目標優.化模型，分析模型收斂的條件，給出相應算法的收斂性定理和判別準則。深入分析免疫回響過程中的非達爾文進化學習機理，構造適合量子免疫多目標最佳化模型的Lamarck 學習運算元和Baldwin 效應運算元，研究利用新運算元實現量子免疫多目標最佳化算法的具體方法。進而在量子免疫多目標最佳化模型的框架下，設計相應的親合度測度函式、量子免疫克隆、變異與交叉等運算元及相應的停機準則，以解決新模型套用於高維多目標最佳化和動態多目標最佳化時的瓶頸問題。本項目研究對於豐富和完善人工免疫系統及量子智慧型計算的模型及其套用都有重要意義。
結題摘要
針對已有多目標最佳化算法在求解高維多目標最佳化問題和動態多目標最佳化問題時，存在的早熟、收斂速度慢和局域搜尋能力較弱等瓶頸問題，將量子的快速並行計算特性與人工免疫系統理論相結合，引入非達爾文進化學習機理，建立量子免疫多目標最佳化模型，分析模型收斂的條件，給出相應算法的收斂性定理和判別準則。研究利用新運算元實現量子免疫多目標最佳化算法的具體方法。設計相應的親合度測度函式、量子免疫克隆、變異與交叉等運算元及相應的停機準則。因此在解決目前進化計算用於求解多目標最佳化問題中存在的早熟、收斂速度慢和局域搜尋能力較弱等本質性問題上，有實質性進展。對進化多目標最佳化及相關領域的進一步研究提供了理論基礎和技術支持。
