量子科技中心_量科网

该团队提出了一种基于量子门的量子遗传算法（QGA）用于实值全局优化。在此模型中，个体由量子电路表示，其测量结果通过二进制离散化解码为实值向量。进化算子直接作用于电路结构，使变异和交叉操作能够探索基于门的编码空间。研究同时引入了固定深度和可变深度两种变体，分别支持统一电路复杂度或自适应结构演化。适应度评估通过量子采样实现，将测量结果解码输出的均值作为目标函数的参数。 为分离量子资源的影响，研究人员比较了含/不含Hadamard门的门集组合，证明在Rastrigin函数等基准测试中，叠加态能持续提升收敛速度和鲁棒性。进一步实验表明，在种群中引入个体间两两纠缠可加速早期收敛，揭示量子关联能为优化提供额外优势。这些结果共同表明：叠加态和纠缠态能协同增强量子进化算法的搜索动力学特性，由此确立基于门的QGA作为量子增强全局优化的重要框架。