量子遗传算法发展简介：
量子遗传算法是量子计算与遗传算法相结合的产物。目前，这一领域的研究主要集中在两类棋型上：一类是基于量子
多宇宙特征的多宇宙量子衍生遗传算法(Quantum Inspired Genetic Algorithm)，另一类是墓于量子比特和量子态登加特性的遗传量于算法ftl(Genetic Quantum Algorithm,GQA)。前者的贡献在于将量子多宇宙的概念引入遗传算法利用多个宇宙的并行搜索，增大搜索范围，利用宇宙之间的联合交叉，实现信息的交流，从而整体上提高了算法的搜索效率。但算法中的多宇宙是通过分别产生多个种群获得的并没有利用量子态，因而仍属于常规遗传算法.后者将量子的态矢量表达引入遗传编码，利用量子旋转门实现染色体的演化，实现了比常规遗传算法更好的效果.但该算法主要用来解决0-1背包问题.编码方案和t子旋转门的演化策略不具有通用性尤其是由于所有个体都朝一个目标演化，如果没有交叉操作，极有可能陷入局部最优。文献Yang Junan,ZhuangZhenquan.Research of Quantum Genetic Algorithm and Its Applicationin Blind Source Separation.对QGA进行了改进提出量子遗传算法(Quantum GeneticA lgorithm,QGA)。QGA采用多状态基因量子比特编码方式和通用的量子旋转门操作。引入动态调整旋转角机制和量子交叉，比文献Han K-H.Genetic Quantum Algorithm and its Application to Combinatorial Optimization Problem 的方法更具有通用性，且效率更高，但该方法仍是一个群体独自演化没有利用盈子信息的多宇宙和宇宙间的纠缠特性效率有待进一步提高。文献Yang Junan.Zhuang Zhenquan.Multi-Universe Parallel Quantum Genetic Algorithm and Its Application in Blind Source Separation提出一种多宇宙并行量子遗传算法(MultiuniverseParallelQ uantum GeneticA lgorithm,MPQGA)，算法中将所有的个体按照一定的拓扑结构分成一个个独立的子群体，称为宇宙；采用多状态基因量子比特编码方式来表达宇宙中的个体；采用通用的量子旋转门策略和动态调整旋转角机制对个体进行演化;各宇宙独立演化，这样可扩大搜索空间，宇宙之间采用最佳移民、量子交叉和量子变异操作来交换信息使算法的适应性更强，效率更高。
