BP神经网络的量子学习及应用

在神经网络的训练过程当中,引入量子遗传算法,结合BP梯度下降反传训练方法构造神经网络的量子优化算法.利用量子运算的高效并行性,对神经网络实行量子编码,用量子门旋转来代替网络进化时交叉、变异等更新操作,使得网络训练收敛精度高、收敛速度快、同时避免陷入局部最优的缺点.最后提出了一种基于量子神经网络的预测方法,仿真结果表明,基于量子遗传算法的神经网络,训练次数,误差精度以及预测能力都明显优于BP神经网络.     

改进量子进化算法在计算机网络路由选择中的应用研究

针对现有的计算机网络最佳路由选择算法寻优性能和收敛性能较差的问题,本文提出了基于计算机网络路由选择的改进量子进化算法。该算法在传统量子进化算法的基础上,对旋转角进行调整优化,加快搜索速度,提高寻优精度,并且还根据量子位的空间所在象限和相位角对旋转角的方向进行优化调整。通过算法仿真可得知,在计算机网络路由器基础上,本文研究的改进量子进化算法和以往量子进化算法相比,使得计算机网络路由面临选择时在收敛速度和寻优能力更加优越。     

模拟退火算法优化无线传感器网络路由技术

由于模拟退火算法具有全局快速收敛优点,同时利用遗传算法优化模拟退火算法,加快模拟退火算法收敛速度,使其达到具有很强的全局搜索能力,最后对WSN路由优化问题求解.实验表明,本文方法有效地提高了节点能量利用效率.     

电网故障诊断的二进制人工鱼群算法

电网故障诊断的基本思想是根据保护动作原理将故障诊断问题表示为0-1规划问题。为了保证电网故障诊断的准确性和实时性,提出了一种改进的人工鱼群算法——二进制人工鱼群算法。分析了人工鱼群群聚行为和追尾行为最优方向的前进速度。并在此基础上与遗传算法、粒子群算法和量子免疫算法作了对比分析。结果表明:追尾行为最优方向的前进速度优于群聚行为,二进制人工鱼群算法综合性能优于遗传算法、粒子群算法和量子免疫算法。研究表明二进制人工鱼群算法具有收敛速度快、种群规模小和搜索能力强的特点。     

基于量子位Bloch球面坐标的量子进化算法

根据量子位的Bloch球面坐标提出的一种量子进化算法,首先使用量子位的Bloch球面坐标对量子染色体进行编码,通过量子旋转门对量子位进行更新,而对于量子旋转门转角大小的选择,提出了一种简单快捷的确定方法。在旋转、变异操作的过程中,采用了基于量子位Bloch球面坐标的新算子。数值计算结果证明,基于量子位Bloch球面坐标的量子遗传算法在搜索能力和优化效率两方面优于普通的量子遗传算法。     

求解TSP问题的单纯形与遗传算法的混合算法

提出一个求解TSP的算法,即用单纯形算法与遗传算法相结合的方法来进行路径得选取,以提高初始解质量,加快收敛速度,实验证明了算法的有效性。     

遗传量子算法在欠约束和过约束的几何约束求解问题中的应用

几何约束求解技术是基于约束满足的参数化设计方法中最核心的技术。几何约束求解技术的好坏、性能的优劣直接关系到一个基于约束的参数化设计系统是否优良。遗传量子算法是将量子计算和遗传算法相结合的算法,采用量子位染色体的表示形式。该算法具有量子计算的量子位和量子位的迭加特性,同时加入了量子交换算法,使得进化染色体更好的呈现多样特性。实验表明,将该算法应用于几何约束求解方程中,可以解决欠约束和过约束一致的问题。     

量子信息处理及其核磁共振实现（英文）

量子特性在信息领域中有着独特的功能，在提高运算速度、确保信息安全、增大信息容量和提高检测精度等方面可能突破现有经典信息系统的极限。我们以液态NMR技术实现量子信息处理中的应用主题开展研究，所取得的成果包括：1）利用NMR实验实现了两个无直接耦合自旋之间的量子密集编码和三个量子位之间的量子密集编码过程。实验结果表明：量子密集编码只需传送N-1个量子位便可以传递N个经典位的信息。2）利用NMR实验实现了三种多量子算法；提出了一种实现n阶耦合变换的理论方法，根据这种方法可实现任意量子位的Deutsch-Jozsa算法。3）提出了一种基于量子克隆的量子编码和纠错方案。该方案一方面说明了量子克隆与量子纠错存在一定程度上的联系，另一方面也反映出一些量子克隆过程本身具有一定的抗消相干的能力。4）提出用二维NMR中的多量子相干实现无消相干子空间（DFS），并在实验上验证了该DFS的避错能力。本方法有效地利用了甲基中三个磁等价的氢核，把原本需要四个化学位移各不相同的核自旋构造的二逻辑位的DFS变成了只需两个化学位移各不相同的核自旋体系构造的二逻辑位的DFS，虽然用的核自旋数“更少”，却能避免更多的错误算符。用多量子相干作为量子计算中的量子位，是一种全新的概念，可以充分利用磁等价的原子核自旋来构造多个量子位，从而扩展了可利用的量子位的数目。     

混合遗传蚁群算法的改进及在TSP问题中的应用研究

蚁群算法(ACA)与遗传算法(GA)都属于仿生型优化算法,是解决组合优化问题的强有力工具,并都分别成功应用于旅行商问题(TSP)中.本文将两种算法进行融合,并给出了新的融合方式.实验结果表明,新的遗传蚁群混合算法有效地改进了算法的全局收敛性,并加快了收敛速度.     

基于遗传算法改进神经网络的电力谐波检测算法

提出了基于遗传算法改进神经网络算法进行电力谐波分析的方案。遗传算法全局搜索能力强,收敛速度快的特点弥补了神经网络算法在进行谐波分析时易陷入局部最优解的缺点,同时对初始权值进行遗传算法进化也大大加强了整个算法模型的泛化能力。针对算法本文借助MATLAB的遗传算法和神经网络算法工具箱进行仿真训练发现使用遗传算法改进神经网络算法收敛速度更快,计算结果准确性更高,具有较好的谐波分析效果。     

基于遗传禁忌的数据库多连接查询优化算法

针对数据库多连接查询优化问题,提出一种基于遗传禁忌算法的数据库多连接查询优化策略。把遗传算法作为查询优化的主框架,禁忌搜索作为遗传算法的变异算子,增加种群多样性,克服遗传算法收敛慢、局部搜索能力差等缺陷。仿真结果表明,遗传禁忌算法加快了求解数据库多连接查询优化问题的速度,而且提高了查询优化效率,得到较满意的查询优化结果。     

求解Flow Shop问题的改进遗传算法

在对FSP问题进行描述的基础上,提出了一种新的改进遗传算法。该算法针对遗传算法的弱点进行了一系列的改进:设计一个新的选择策略和一个新的多交叉算子策略来避免早熟并引入了兄弟竞争的策略来加快收敛速度和全局搜索能力。仿真计算表明了该算法的良好收敛性和有效性。     

量子信息科学——一个令人惊奇的新兴领域

量子信息是量子物理与信息科学相融合的新兴交叉学科,基于量子力学的特性,如叠加性、纠缠性、非局域性和不可克隆性等,量子信息可以突破现代信息技术的物理极限,开拓出新的信息功能,量子密码可以提供不可窃听、不可破译的绝对保密通信,量子计算具有巨大的并行计算能力,提供功能     

一种用于组卷的遗传算法的实现

本文根据组卷的特点，对试题基因进行分段，在分段内部利用遗传算法进行组誊运算，防止在组卷过程中因题型分值的约束条件对计算过程的干扰，加快了算法的收敛速度．     

一种改进的免疫算法的研究

针对免疫克隆算法中存在的算法精度低,全局收敛速度快问题,本文提出了一种改进的免疫克隆算法,通过基本免疫算法中的疫苗策略和局部搜索中采用的高斯变异,使得算法的精度提高,降低了全局收敛速度,提高了局部最优解的范围,通过3个测试函数说明本文算法相比基本免疫克隆算法提高了算法的性能,提高了算法精度。     

改进的遗传算法在配电网重构中的应用

遗传算法应用在配电网重构计算中,通过不断的交叉、变异来改变配电网中开关的开合状态,以产生更多新的网络拓扑图来供选择,但同时会产生大量的不可行解,从而影响算法的收敛速度。本文提出了一些改进的遗传算法,可以减少不可行解,得到以网损最小作为目标函数的全局最优解,同时提高遗传算法的收敛速度。     

多连杆冗余移动机械臂建模与运动规划

针对人工势场路径规划的势场陷阱问题,以及平面机械臂工作空间的局限性,提出了一种冗余移动机械臂全局规划方案.该方案引入路径安全因子,通过改造势场函数,解决了人工势场法的目标不可达问题,然后采用量子遗传算法优选人工势场参数.为提高移动机械臂的定位速度与精度,使用一种新的粒子群算法解决冗余机械臂的运动学逆解问题.仿真试验表明,该方案能够有效地克服人工势场模型的缺陷,实现移动机械臂终端执行器的高精度快速定位.     

智能计算在网络入侵检测中的应用研究

研究了基于遗传算法和差分进化计算的入侵检测系统中的特征选择技术,差分进化计算在变异过程中并未考虑到适应度大的个体,同时存在过早收敛问题,而遗传算法需要很多的迭代次数才能收敛.针对以上缺点,结合模拟退火算法对差分进化的变异过程进行改进,同时设计合理的适应度函数,使得该算法收敛于最优特征子集.经过Lincoln实验室入侵检测系统评估数据集合MIT' 1998测试,改进算法与差分进化算法和遗传算法相比,具有良好的收敛性能,并且收敛特性稳定.     

网格环境下独立任务调度的混合遗传算法

提出一种新的混合遗传算法。该算法在基于传统遗传算法的基础上采用了分组和负载均衡策略。仿真实验结果表明,这种调度算法有效地实现了资源的负载均衡。它相对于传统遗传算法,收敛速度更快,能产生更好的调度结果。     

模式学习优化的文化算法在环境艺术创新设计中的应用

针对标准文化算法在环境艺术创新设计中还存在收敛精度不高、应用效果较差等问题。本文提出了一种基于模式学习文化算法的环境艺术创新设计模型。首先采用遗传算法为文化算法的群体空间提供种群,然后利用模式抽取获取优秀个体所携带的特征信息,并定期组织种群内个体向这些特征信息进行模式学习,从而充分利用了优秀模式的引导作用,加快了算法的收敛速度。通过仿真实验表明,本文提出的改进算法相比较标准算法具有较好的多目标优化精度,且在环境艺术创新设计中应用良好。