文 献 综 述 1.基于量子遗传算法的PID控制器优化问题的提出 PID 控制器由于具有算法简单、鲁棒性强、稳定可靠等优点, 在工业控制系统中得到广泛应用。

PID 控制器的设计一直是控制领域里深受关注的一个重要课题, 现已提出了多种 PID参数整定方法, 如 Ziegler- Nichols 法, Cohen- Coon 法, IAE,ISE 和 ISTE 方法等。

然而, 由于目前 PID 控制器参数整定方法大都是针对某一类具体的被控对象或是某一类特定的性能指标而提出的, 缺乏通用性和柔性, 使得设计出的 PID 控制器常常难以满足实际控制系统的性能要求。

遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种概率搜索算法。

该算法使用群体搜索技术, 通过对当前群体施加选择、交叉、变异等一系列遗传操作, 产生出新一代群体, 并逐步使群体进化到包含最优解。

遗传算法不受搜索空间的限制性假设约束, 不必要求诸如连续性、导数存在和单峰值的条件, 具有内在的并行性。

该算法已在包括 PID 控制器参数整定等各类优化问题的求解中得到应用, 尤其适合那些复杂的多目标优化问题。

遗传算法存在的主要问题是收敛速度慢和易出现早熟收敛。

近年来, A.Narayannan 和 Kuk- Hyun Han 等人将量子计算中的量子比特、量子态叠加和量子干涉等概念引入遗传算法,提出了一种采用量子比特染色体表示形式和量子旋转门操作实现种群进化的量子遗传算法, 并成功地将其用于多峰函数优化和一类组合优化问题- 背包问题的求解。

量子遗传算法采用量子比特的个体表示形式, 在种群多样性和计算并行性方面优于一般遗传算法; 而采用量子门操作来更新种群, 可有效提高算法的收敛速度, 减少早熟收敛。