本文对量子旋转门进行了改进，这是传统量子进化算法在种群更新中的主要操作。 定义了新的旋转角度，以防止算法在中期和后期容易陷入局部最佳状态。 根据TSP的特点，提出了一种改进的量子旋转门，根据进化代数和对旋转角度的自适应动态调整值的适应程度，来自适应地调整旋转角度，从而获得更好的全局性。搜索功能。 同时，为了防止概率振幅α的过大化。 和 ？ 属于局部最优算法，本文对旋转的概率幅值采用Hε门进行校正处理。 对比实验结果表明，与传统的量子进化算法相比，该算法在解决TSP问题上的稳定性和准确性得到了极大

本文对量子旋转门进行了改进，这是传统量子进化算法在种群更新中的主要操作。 定义了新的旋转角度，以防止算法在中期和后期容易陷入局部最佳状态。 根据TSP的特点，提出了一种改进的量子旋转门，根据进化代数和对旋转角度的自适应动态调整值的适应程度，来自适应地调整旋转角度，从而得到了更好的全局搜索功能。 同时，为了防止概率幅值D和E的过大化成为局部最优算法，本文在旋转概率幅值上采用H＃门进行校正处理。 对比实验结果表明，与传统的量子进化算法相比，该算法在解决TSP问题上的稳定性和准确性得到了极大的提高。