基于量子遗传算法的无人机生命迹象探测研究

针对基本遗传算法易早熟与局部搜索能力欠佳的缺陷,将一种改进的量子遗传算法应用于无人机生命迹象探测路径优化。在基本量子遗传算法的基础上,根据目标函数梯度自适应地确定量子旋转门转角。数值实验表明,该改进算法比基本量子遗传算法有更好的局部收敛性与更快的收敛速度,可获得比基本量子遗传算法更优的生命迹象探测路径。     

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CVRP的改进量子遗传算法研究

车辆路径问题属于离散NP-hard组合优化问题,传统的量子遗传算法存在储存量大和易陷入局部最优解等问题。提出一种新的量子遗传算法用于最小化运输成本。设计一种将量子比特编码转换为实数的编码方法,每条染色体代表一种行车路线方案,利用改进的旋转门对种群进行更新操作,采用动态调整旋转角机制对量子步长实现自适应搜索,扩大全局搜索范围|引入一种变异操作,用于保持算法的种群多样性,从而提高算法的全局搜索宽度|采用客户节点重置和2 opt法对〖JP3〗线路进行再优化,增强算法的局部搜索能力。仿真实验和算法比较,验证了该算法的优越性和有效性。     

基于QoS和量子遗传算法的Web服务选择

如何从互联网上大量存在的Web服务中选出符合用户需求的服务是一个很重要的研究方向.将量子遗传算法引入服务选择问题中,并将服务选择转换为基于QoS的多目标优化问题.量子遗传算法采用量子比特编码和量子旋转门变异,丰富了种群多样性,并具有更快的收敛速度.通过模拟验证,说明了该方法的可行性.     

基于改进三值量子遗传算法的多峰函数寻优

针对量子遗传算法在多峰函数寻优中出现早熟收敛及陷入局部极值等问题,提出一种改进的三值量子遗传算法.算法用三值量子非门来改变染色体基因的位置、用三值量子旋转门更新来完成进化搜索、用三值量子修正门对变异基因进行修正,增加了量子遗传算法中种群的多样性,扩大了算法的搜索空间;用动态调整旋转角策略来减少进化代数、缩短优化时间.通过对典型复杂函数的仿真实验并与其它算法相比较,结果表明该算法搜索空间大、搜索精度高,全局寻优性能优于普通遗传算法及量子遗传算法.     

改进进化方向的量子遗传算法

为提高量子遗传算法的全局搜索速度和精度,提出改进进化方向的量子遗传算法(QGAIED)。该方法通过计算优化方向和参照当前全局最优解,实现了进化步长的自适应调整。在步长的调整过程中,QGAIED通过权值同时控制两个优化方向,在保证全局搜索能力的同时也提高了搜索速度。将该方法应用于数学优化和工程优化,结果表明,该方法能够快速准确的寻找到全局最优解。     

适用于数据分类的极限学习机优化算法

针对极限学习机参数优化问题,提出量子遗传算法优化极限学习机的方法（QGA-ELM）。在该方法中,对ELM的输入权值和隐含层阈值采用量子比特编码,并将其映射为QGA的染色体,QGA的适应度函数为对应ELM的分类精度;通过QGA的量子旋转门优化出输入权值与隐含层阈值,以此训练出分类精度更高的ELM,从而改善ELM的泛化性能。通过ELM和QGA-ELM对数据集的仿真结果对比表明,QGA-ELM有效地提升了ELM网络的分类精度。     

基于带容量约束Memetic算法的动态车辆调度问题研究

针对物流配送过程中带容量约束的动态车辆调度问题,提出一种Memetic算法,旨在最小化成本。Memetic算法中采用量子与遗传算法混合进行全局搜索,并根据搜索点目标函数变化率,设计了一种自适应量子旋转门更新方式,通过子代种群适应度变化确定量子旋转角大小与方向,明确了种群进化方向,扩展了全局搜索范围,引入了一种变异操作,使算法种群多样性得以保持,提高全局搜索宽度,采用2-opt法结合swap法增强算法局部搜索能力。仿真实验验证了所提算法的有效性与优越性。     

量子遗传算法研究现状综述

在介绍基本量子遗传算法(QGA)的原理、方法和基本流程的基础上,主要归纳总结了最近几年QGA的改进,包括理论基础的编码扩展、算子的创新和量子门旋转角度、复杂高维函数优化、混合算法等,以及新的应用研究成果,进而提出了QGA未来的发展方向。     

链式双链量子遗传算法

针对双链量子遗传算法具有收敛速度慢,容易陷入局部最优解等问题,提出一种新的双链量子遗传算法。该算法将种群个体分组,相邻组间有一个共有个体,即第i组的最后一条染色体同时是第i+1组的第一个个体。组内各染色体同方向同步长更新,相邻组间通过共有个体保持组间同步。该方法能很好地降低算法时间复杂度,保持种群个体的多样性,从而避免算法陷入局部最优值。最后通过实验验证该算法对复杂函数的优化结果明显优于双链量子遗传算法。     

基于量子免疫思想的Soc软硬件划分方法

针对Soc系统软硬件划分问题,将量子算法应用于Soc系统的软硬件划分过程,提出一种基于量子免疫原理的软硬件划分算法.该算法引入基于免疫原理的群体多样性保持策略,在量子算法优化过程中尽可能保持群体的多样性,避免早熟现象.并利用量子旋转门进行量子更新,保证抗体群朝着优秀方向进化,有效克服了量子遗传算法容易陷入局部最优的缺点.仿真实验表明,该算法有效地解决了软硬件划分问题,不但具有较强的搜索和跳出局部最优的能力,而且有效提高了解的精度,获得了更合理的软硬件划分结果.     

基于半导体量子点的量子计算的物理实现

利用半导体量子点导带中电子的自旋作为量子信息的载体,设计了量子计算的方案,该方案不需要利用量子位之间的相互作用,所有的操作只是单量子位的操作。     

基于BP的量子神经元特性研究

量子神经计算是传统神经计算与量子计算相结合的产物,它已成为新的信息处理技术之一。以相移门和受控非门作为基本的计算单元,借助复数BP学习算法,构造出量子神经元模型,并通过数值计算给出了该量子神经元的收敛特性曲线。     

无消相干子空间的几何量子计算方案

文章提出了利用超导量子干涉仪作为量子比特设计一个在无消相干子空间的几何量子计算的方案。该方案融合了无消相干子空间的量子计算对某些特定的噪声不敏感,而几何相位具有内秉抗随机噪声的容错能力的优点。     

量子遗传算法在公交车辆调度中的应用

针对公交车辆调度的运行环境以及其现状,考虑到信号灯周期对乘客等车时间的影响,同时为了保证公交公司与乘客的两者利益,建立了公交车辆优化调度模型。针对拒绝策略容易产生效率低的问题,采用惩罚策略设计出一种新的适应度函数。基于基本遗传算法存在早熟收敛和易陷入局部最优解等问题,本文采用量子遗传算法来解决组合问题。研究结果表明,该方法能够有效地解决公交车辆运营优化调度的组合问题。     

量子算法与量子计算实验

本文介绍了量子计算纠缠和量子比特的基本概念,系统阐述了几种主要的量子算法:Shor算法———大数质因子分解的量子算法;Grover搜索———无序数据库的搜索;Hogg搜索———高度结构化搜索。在对量子计算基本理论和量子算法有一定认识的基础上,进一步介绍了在量子计算实验方面起重要作用的二种体系:核磁共振、腔与原子体系。     

量子计算中的量子点

介绍一种利用量子点中单电子耦合自旋态的方法来实现量子计算中一个或两个量子位门的方案。在Born和Markov近似下，利用组合消相干自旋主方程计算得出量子位的超算子。     

利用量子微积分加深对复合函数求导链式法则的理解

链式法则是复合函数求导的基本规则,给复合函数的求导计算带来便利,但是往往忽略这一法则的重要意义,本文尝试通过讨论量子微积分中复合函数求导的链式法则的丧失,来加深对这一法则的理解。     

量子遗传算法求解度约束最小生成树

度约束最小生成树问题属于NP完全问题,但在现实中具有非常重要的应用价值.针对度约束最小生成树问题,采用量子遗传算法来求解该问题.并对基本的量子遗传算法进行改进.针对度约束最小生成树问题的特征,设计了一种新的量子编码方式,保证算法获得可行解;并与深度优先搜索的思想结合,保证得到树的连通性;通过数值试验验证新算法的可行性,并与其他算法进行比较.取得了良好的效果.     

基于量子随机行走的两光子Bell态测量

量子纠缠态是量子信息和量子通讯领域中的核心资源,实现量子纠缠态中的完全Bell态测量,将对量子信息学的发展有重要的意义.本文,我们基于量子随机行走提出了一种实现双光子Bell态测量的物理方案.基于该方案的操作过程有明显的简化,本方案在实验上具有一定的可行性和指导意义.