1、群智能算法是近年人工智能領域的研究熱點，菌群算法憑借其結(jié)構(gòu)簡單、靈活、魯棒性強和自組織能力等優(yōu)點受到國際計算智能界的廣泛關注。然而，該算法存在收斂速度慢，對于復雜多峰函數(shù)容易陷入局部最優(yōu)的問題。針對該問題，本文從更加真實地模仿細菌行為和引入量子計算兩個角度對菌群算法進行了改進，并用改進后的量子菌群算法解決了4G移動通信中MIMO-OFDM信道估計魯棒訓練序列的設計問題。本文的主要研究內(nèi)容如下：
　　第一，對經(jīng)典菌群算法進行深入研究

2、，發(fā)現(xiàn)細菌的前進過程是向隨機方向沿直線前進，然而這并不符合細菌真實的覓食過程。針對該問題，本文使細菌向當前種群最優(yōu)細菌的位置彎轉(zhuǎn)前進。通過典型的基準函數(shù)對改進后的算法進行測試，實驗結(jié)果表明改進后的算法相比原算法加快了搜索速度，提高了局部搜索的能力。
　　第二，對量子菌群算法的性能進行研究，實驗表明其優(yōu)化結(jié)果要明顯優(yōu)于經(jīng)典菌群算法。進一步對其主要參數(shù)—旋轉(zhuǎn)角度進行對比分析，從實驗結(jié)果中可以看出不同的旋轉(zhuǎn)角度最終的優(yōu)化結(jié)果相差很大，說

3、明固定的旋轉(zhuǎn)相位是影響量子菌群算法優(yōu)化性能的一個主要因素。
　　第三，針對上述問題設計了一種自適應旋轉(zhuǎn)相位的量子菌群算法，使旋轉(zhuǎn)相位的角度與當前細菌和當前細菌的角度差相關。通過16個不同類型的標準測試函數(shù)對其優(yōu)化性能進行研究，統(tǒng)計結(jié)果表明該算法在低維時，收斂精度和穩(wěn)定性都要優(yōu)于改進前的算法，且優(yōu)化結(jié)果要明顯優(yōu)于經(jīng)典的菌群算法和量子遺傳算法。進一步研究表明，在達到指定收斂精度的情況下，該算法的平均收斂概率是最高的，平均運行時間和平均