智能优化算法,如人工神经网络、遗传算法、模拟退火、粒子群算法及其优化策略等,通过模拟或揭示某些自然现象或过程而得到发展,其内容涉及数学、物理学、生物进化、人工智能、神经科学和统计力学等方面,为解决复杂问题提供了新的思路和手段。量子计算利用了量子理论中有关量子态的叠加、纠缠和干涉等特性,通过量子并行计算使得某些在经典计算机上计算复杂度很高的问题有可能降低其复杂度。由于量子计算机尚未实现,因此如何在传统计算机利用量子计算也是一个研究的热点。本文将量子机制引入到智能优化算法中,提出几种改进的优化算法,希望利用量子机制的优点,进一步提高优化算法的求解能力及运算效率。具体内容如下:(1)将量子机制与进化算法结合,根据旅行商问题的特点,尝试将量子进化算法应用于求解小规模旅行商问题,实验结果表明量子进化算法求解旅行商问题的可行性。(2)提出一种量子群进化算法模型,引入量子角的概念,将量子机制与粒子群算法相结合,用于求解背包问题,得到了令人满意的结果。(3)提出一种量子组合优化算法模型,将量子进化算法同智能优化算法结合,求解两类组合优化问题。(4)根据可满足性问题的特点,进一步改进量子组合优化算法,并应用于求解3-SAT问题。(5)提出了AFTER_PSO算法,并且将其应用于股票及太阳黑子数据的预测问题上,结果表明了算法的可行性与有效性。本文的研究结果丰富了智能优化算法的研究,提高了智能优化算法求解一类优化问题的效率,同时为如何在传统计算机上应用量子机制研究提供了一种参考。