حل مسائل دارای محدودیت بر پایه الگوریتم بهینه یابی کوانتوم تکاملی

در این تحقیق الگوریتم تکاملی کوانتوم در محیط برنامه نویسی ویژوال بیسیک پیاده سازی و بهبود داده شده است. در راستای بهبود عملکرد الگوریتم، رویکرد های جدیدی به الگوریتم اضافه شده است که در یک نگاه کلی می توان آنها در قالب بهبود شناسایی و بهره برداری بعنوان دو رویکرد بسیار مهم در الگوریتم-های تکاملی تقسیم بندی کرد. برای استفاده سریع و آسان از الگوریتم، واسط گرافیکی طراحی شده است که با انجام تنظیمات اولیه، قادر خواهیم بود نتایج را مرحله به مرحله تا رسیدن به شرط پایان، مشاهده و ارزیابی نماییم. قدم مهم، بعد از پیاده سازی الگوریتمهای تکاملی، اعتبارسنجی و بررسی صحت و دقت عملکرد آنها می باشد. از این رو الگوریتم تکاملی کوانتوم بهبودیافته (iqea) با استفاده از 14 نمونه مساله بدون محدودیت و 10نمونه مساله محدودیت دار ازجمله مساله کوله پشتی مورد ارزیابی قرار گرفت که در همه موارد نتایج، حداقل با نتایج ارائه شده قبلی ناشی از سایر الگوریتم ها برابر می باشد. برای حل مساله نمونه محدودیت دار از تابع جریمه داخلی استفاده شده است. در نگاه کلی این تحقیق تلاش می کند الگوریتم کوانتوم را با استفاده از رویکردهای زیر بهبود بخشد : 1) استفاده از رویکرد اندازه گیری چندگانه در تبدیل حالت کوانتومی به باینری. 2) استفاده از گیت چرخشی کوانتومی دیگری علاوه بر عملگر معمول که برای بروز رسانی مقادیر کیوبیتها در هر نسل بکار برده می شود. 3) استفاده از رویکرد کاهش حدود متغیرها بر اساس بهترین جوابهای بدست آمده در هر نسل. 4) ورود افراد با مقادیر کوانتومی جدید، طبق شرایط مساله.