混合量子衍生进化规划算法：同等并行机调度新方案

"本文提出了一种混合量子衍生进化规划算法(HQEP)，用于解决带顺序相关建立时间的同等并行机调度问题。算法通过创新的量子个体编码和量子旋转角定义，提高了解决方案的质量，并针对并行机问题的特点改进了个体编码和变异策略。实验结果证明，HQEP在小种群规模下也能获得比基本进化规划更好的解。" 在计算机科学和优化领域，调度问题是一个关键的研究方向，特别是在并行计算环境中。同等并行机调度问题是指有多台性能相同的机器，每个任务可以被任意分配到其中一台机器上执行，目标是通过有效的任务分配来最小化总的完成时间或最大化某些效率指标。 本文提出的混合量子衍生进化规划算法(HQEP)是基于量子计算理论的一种优化方法。量子计算利用量子力学的原理，如叠加态和量子纠缠，来进行计算，它在处理复杂优化问题时具有潜在的优势。量子衍生进化规划是进化计算的一个变种，它结合了量子力学的概念，比如量子位和量子旋转，来促进搜索过程的全局探索和局部细化。 在HQEP中，作者创新性地将量子位（Q-bit）用于表示工件的排序，这使得算法能够更灵活地探索可能的解决方案空间。此外，他们定义了特定于调度问题的量子旋转角，这有助于引导搜索过程向更优解靠近。这一策略类似于量子比特的叠加状态，使得算法能够在不同解之间快速切换，从而增加找到全局最优解的概率。 为了解决并行机调度问题的特性，HQEP还对个体编码进行了改进，适应了任务间的顺序依赖建立时间。这意味着算法考虑到了前一个任务的完成对后续任务开始时间的影响。同时，提出了新的变异操作，这有助于避免算法陷入局部最优，增强了算法的全局搜索能力。 仿真实验部分，HQEP在不同规模的问题实例上展示了其有效性和收敛性。结果显示，即使在种群规模较小的情况下，HQEP仍能取得优于基本进化规划的解，这突显了其在处理复杂优化问题时的优越性。 这种混合量子衍生进化规划算法为同等并行机调度问题提供了一个强大的工具，通过融合量子计算的思想和进化算法的策略，提高了调度问题的求解质量和效率。这种算法的提出不仅对优化理论有贡献，也为实际的并行计算系统调度提供了新的解决方案。