科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决由算力接入服务器的资源有限性与算力资源的系统结构的不稳定性之间的矛盾所产生的工业算力网络建设效率低下问题，提出一种新型量子遗传算法予以解决。首先，本文基于多目标优化模型分析了算力接入服务器部署问题。随后，利用ε约束法把该问题转化为基于ε约束法的算力接入服务器部署问题，并从理论上证明了两个问题在一定程度上是等价的。算法设计时，采用量子基因位代替传统基因位构建量子染色体。之后，基于问题的约束条件划分整个搜索空间，并通过量子染色体中的量子基因位复数概率幅之间的大小关系完成种群均匀分布。接着，以最优量子染色体为基准，剩余量子种群基于个体均衡度并通过量子旋转门完成种群迭代更新。最后，对约束条件空间中每个被选中的量子染色体利用随机量子非门完成变异操作。实验从算力资源总量误差率、负载均衡偏差率、算法收敛率以及最优解偏差率等4个方面验证了该算法有效性和收敛性。
- 单位
