摘要：针对量子遗传算法在函数优化中易陷入局部最优和早熟收敛等缺点，采用云模型对其进行改进，采用量子种群基因云对种群进化进行定性控制，采用基于云模型的量子旋转门自适应调整策略进行更新操作，使算法在定性知识的指导下能够自适应控制搜索空间范围，能在较大搜索空间条件下避开局部最优解。典型函数对比实验表明，该算法可以避免陷入局部最优解，能提高全局寻优能力，同时能以更快的速度收敛于全局最优解，优化质量和效率都要优于遗传算法和量子遗传算法。
摘要：针对量子遗传算法在函数优化中易陷入局部最优和早熟收敛等缺点，采用云模型对其进行改进，采用量子种群基因云对种群进化进行定性控制，采用基于云模型的量子旋转门自适应调整策略进行更新操作，使算法在定性知识的指导下能够自适应控制搜索空间范围，能在较大搜索空间条件下避开局部最优解。典型函数对比实验表明，该算法可以避免陷入局部最优解，能提高全局寻优能力，同时能以更快的速度收敛于全局最优解，优化质量和效率都要优于遗传算法和量子遗传算法。