基于等位基因量子进化算法的经纱断头率优化研究

作     者：钱小毅 

作者单位：沈阳工业大学 

学位级别：硕士

导师姓名：张宇献

授予年度：2016年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 07[理学] 081104[工学-模式识别与智能系统] 08[工学] 070201[理学-理论物理] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 0702[理学-物理学] 

主      题：量子进化算法 区间二型模糊神经网络 等位基因实数编码 混合更新策略 经纱断头率优化 

摘      要：量子计算是信息科学和量子力学相结合的新兴交叉学科,以量子算法为代表的量子计算具有高度的并行性、指数级存储容量和对经典启发式算法的指数加速作用,因此具有极大的优越性并蕴涵着强大的生命力。量子计算和智能计算的融合可以通过在传统智能计算中引入量子计算机制来改变传统智能计算的寻优方式,提高寻优能力和收敛速度等性能。近年来量子进化算法的研究已成为智能优化领域研究的热点之一。本文在梳理和综述国内外智能优化方法和智能建模方法的研究进展基础上,分析了经典量子进化算法的缺点与局限性,在此基础上,对量子进化算法的编码方式和更新机制进行改进,提出一种基于等位基因的实数编码量子进化算法,并对区间二型模糊神经网络规则与参数进行了优化,最后,将其应用于纺织浆纱生产过程中的经纱断头率的优化。本文主要内容具体如下:（1）简述了量子计算的基本原理及量子进化算法的编码方式、更新手段和算法流程,通过对背包问题和数值优化问题进行求解,并与遗传算法和蚁群算法进行对比,分析了量子进化算法的优点和局限性。（2）针对在连续优化问题中量子进化算法存在的求解精度低、收敛速度慢和编码长度受限等问题,提出了一种基于等位基因的实数编码量子进化算法,将变量以概率叠加的方式编码为等位基因的形式,定义了等位基因的相对优良性,在此基础上给出了混合更新策略。仿真研究将量子进化算法与双链量子遗传算法和遗传算法进行相比,验证了该算法的收敛速度和收敛精度。（3）针对区间二型模糊神经网络规则冗余及后件参数初值难以确定的问题,提出了一种基于混合编码量子进化的区间二型模糊神经网络。该模糊神经网络将混合编码量子进化算法与基于Mamdani模型的自组织区间二型模糊神经网络相结合,通过组合优化消除冗余的规则,通过实数部分优化网络的后件参数获得更好的初始值,并通过混合性能指标优化,在保证模型精度的同时简化了模型的结构,避免出现冗余的规则。通过与自适应模糊推理系统和自组织区间二型模糊神经网络对比分析,验证了混合编码量子进化的区间二型模糊神经网络的有效性。（4）针对纺织浆纱生产过程中工艺指标存在强非线性和不确定性,直接影响经纱可织性关键指标断头率,进而影响产品的优质品率和经济效益的问题,将本文所提出的基于等位基因的实数编码量子进化算法和基于混合编码量子进化的区间二型模糊神经网络用于经纱断头率的预测与优化。以浆纱工艺指标上浆率和回潮率作为输入,经纱断头率作为输出,通过区间二型模糊神经网络对样本数据进行学习得到经纱断头率预测模型,以预测输出为个体适应度,通过基于等位基因的实数编码量子进化算法对该优化问题进行求解,实现对经纱断头率的优化,为浆纱生产进行指导,提高产品质量。