1、常規(guī)遺傳算法結合量子信息的基本理論而形成的量子遺傳算法，利用量子計算能處理海量數據的能力，提高遺傳算法的搜索性能。量子遺傳算法通常采用量子旋轉門實現進化操作，因量子旋轉角偏小等原因，導致算法搜索解的效率低，容易出現迭代次數多、計算時間長、易陷入局部極值等問題。針對以上問題，本文對量子遺傳算法作改進，主要工作如下:
　　(1)提出了一種低偏差蒙特卡羅序列量子遺傳算法(Low-DiscrepancyQuantum Genetic Al

2、gorithm，LDQGA)，利用低偏差蒙特卡羅序列良好的均勻分布特性改善遺傳算法探索與利用平衡的問題，主要方法為:一是設計一種Hε量子旋轉門，該旋轉門采用均勻的低偏差序列采樣量子疊加態(tài)，提高了算法對解空間的探索能力，從而使算法不易陷入局部最優(yōu);二是設計一種Pareto集鄰域搜索，在當前解上使用低偏差序列進行局部搜素，提高算法利用當前解找到更優(yōu)解的能力。在5個復雜連續(xù)函數優(yōu)化問題上的實驗結果表明:所提算法的全局尋優(yōu)能力、收斂速度、迭代次