一种基于改进蛛蜂优化的量子神经架构搜索算法

本发明提供了一种基于改进蛛蜂优化的量子神经架构搜索算法，并将其用于图像分类。本方法首先对图像数据集灰度化，归一化，然后将处理后的图像数据编码为量子数据，并去除其中存在矛盾的图像。针对量子神经架构的设计无明确指导经验，人工设计的量子神经架构过于复杂且分类精度不高的问题，本发明采用改进的蛛蜂算法来搜索量子架构，在传统蛛蜂优化算法中加入了蒙特卡洛逆变换法、随机复合变异等策略，提高种群的全局寻优能力，找到综合性能更优异的量子神经网络。本发明的量子神经架构搜索方法有效解决了因量子门的高冗余带来的分类效率低下问题，提高了图像分类的精度，也降低了量子网络部署到真实量子设备上的难度。采用本方法进行量子神经架构搜索，能够极大提高量子网络的可用性并可以为设计人员提供一些指导经验。