基于信息熵的量子免疫遗传算法

针对目前的量子进化算法在高维函数优化时容易陷入局部最优,利用信息熵的概念,将量子进化算法和免疫遗传算法进行改进与融合,提出一种基于信息熵的量子免疫遗传算法.该方法对抗体采用相位编码,用信息熵准确地度量量子比特的不确定信息;提出了一种按变量的种群熵降序排列的邻域搜索策略;对于抗体之间的相似度,给出了一种按个体熵相同变量位数的度量方法;用繁殖概率对抗体的多样性进行评价,并分别以函数优化问题和VRPSDP问题进行了仿真验证.研究结果表明:该算法收敛速度快,求解精度高.     

用QCEA优化的RBF神经网络及其在股市预测的应用

采用量子克隆进化算法(QCEA)对径向基函数(RBF)神经网络的参数进行优化学习,并通过对不同样本容量和量子旋转角的实验,将量子克隆进化算法优化的径向基函数神经网络应用于上证指数的预测分析中.仿真实验表明:经量子克隆进化算法优化的径向基函数神经网络将全局搜索和局部寻优有机地结合起来,收敛速度快、种群多样性好,并可有效抑...     

混合量子衍生进化规划算法及其在并行机拖期调度中的应用

针对并行机调度问题的求解,提出一种新的混合量子衍生进化规划算法(Hybrid Quan-tum-Inspired Evolutionary Programming,HQEP)。目标函数是最小化所有工件的拖期总和。HQEP将量子进化算法中的量子位、线性叠加态和量子旋转门的概念引入到进化规划算法中。定义了新的用于调度问题的量子旋转角,使个体向更好的解靠近。此外,针对并行机问题本身,改进了个体的编码方式和新的变异方法。为了验证算法的有效性和收敛性,将HQEP算法应用于同等并行机调度拖期问题的求解并加以不同规模的算例进行仿真实验。结果显示,即使在小种群情况下,所得解均优于进化规划求得的解。     

概率门量子进化算法

量子进化算法(QEA)比传统进化算法(EA)有更好的种群多样性和全局寻优能力，但它采用概率操作过程，具有随机性和盲目性．将量子进化算法中的旋转门以概率门代替，在概率分析及实例验证的基础上，说明概率门量子进化算法(PGQEA)能使得对种群选取过程控制在全局优化的方向下，并且能更快地收敛于最优解。     

基于子种群保留的可逆电路合成混合算法

为了进一步降低4bit以上中小规模可逆逻辑电路的量子代价,提出一种基于子种群保留的变长染色体编码混合算法.该算法在已有变长染色体编码混合算法的基础上,将子种群保留策略用于变长编码种群的进化,以保持种群多样性,避免陷入局部最优解;定义了变长编码染色体的近似度,以此作为种子提取和子种群划分的基础;提出了子种群重新启动策略和新的启发式子种群更新操作,克服变长编码种群进化过程中的遗传漂移,从而提高可行解率和解的质量.对4bit以上常用标准可逆函数测试结果表明该算法能大大降低合成可逆电路的量子代价.     

采用群体统计学习的量子进化算法

针对传统量子进化算法采用精英个体作为吸引子,存在种群学习范围窄、优秀基因易丢失的缺陷,提出了一种采用群体统计学习的量子进化算法.该算法抛弃了传统量子进化算法中的精英保留策略,通过截断、比例、竞赛选择等方式对进化过程中优秀群体统计分析后构建整个种群的吸引子,避免了以单一个体为单位的学习方式,能较为全面地从整个优秀种群学习知识,并保留群体的优秀基因信息.同时,吸引子每代更新,避免了采用精英保留策略易陷入局部极值的问题.通过测试实验表明,提出的算法搜索精度和效率提高,收敛速度更快,算法综合性能提高.     

基于量子行为的花朵授粉算法

针对花朵授粉算法易陷入局部极值、收敛速度慢的不足,提出一种具有量子行为的花朵授粉算法.该算法通过引入量子系统的态叠加特性,用波函数描述种群个体的位置,利用势肼场使种群个体以一定的概率密度在可行空间任何区域进行搜索,并且利用种群的平均最优位置使种群间存在等待效应,提高种群的协同工作能力,从而使算法能有效地避免陷入局部最优,增强全局寻优能力,提高收敛速度.通过8个CEC2005benchmark测试函数进行测试比较和3个数值积分的求解,并对结果进行分析,仿真结果表明,改进算法的全局寻优能力明显优于基本的花朵授粉算法、差分进化算法和蝙蝠算法等,其收敛精度、收敛速度和鲁棒性均比对比算法有较大提高.     

非线性混合整数规划问题的改进量子粒子群算法

提出了一种改进的量子粒子群算法,并将该算法用于求解非线性混合整数规划问题。构造了一种自适应调整的惯性权重,平衡了算法的全局搜索和局部搜索能力;针对混合整数规划问题,给定一定比例的初始可行解,提高了初始种群解的多样性;利用协同进化选择策略,对种群中的不可行解重新生成,使种群中每个粒子的信息充分利用,从而提高算法的收敛速度;为了抑制算法的早熟现象,给出了一种新的混沌搜索方式,对全局最优解进行局部搜索,增强算法的局部搜索能力。通过16个常见的测试函数测试结果表明,改进的量子粒子群优化算法对求解非线性混合整数规划问题,在成功率和精度方面得到很大的提高。     

基于量子的免疫进化算法及收敛性

分析和探讨了量子计算的特点及免疫进化机制,并结合免疫系统的动力学模型和免疫细胞在自我进化中的亲和度成熟机理,提出了一种基于量子计算的免疫进化算法。该算法使用量子比特表达染色体,通过免疫克隆、记忆细胞产生和抗体相似性抑制等进化机制可最终找出最优解,它比传统的量子进化算法具有更好的种群多样性、更快的收敛速度和全局寻优能力。在此不仅从理论上证明了该算法的收敛,而且通过仿真实验表明了该算法的优越性。     

基于学习的并行免疫量子进化算法及收敛性

提出了基于学习的多宇宙并行免疫量子进化算法,算法中将种群分成若干个独立的子群体,称为宇宙。宇宙内采用免疫量子进化算法,宇宙间采用基于学习机制的移民、模拟量子纠缠的种群交叉等信息交互方式,使得进化算法具有更好的种群多样性,更快的收敛速度和全局寻优能力。不仅从理论上证明了该算法的收敛,而且通过仿真实验表明了该算法的优越性。     

关于量子力学态叠加原理的讨论

介绍了几位学者关于量子力学态叠加原理的不同表述,给出了不同学者关于该原理的有关观点的分歧,并对其中的原因进行了分析和讨论．     

量子气体的简并条件分析及应用

基于统计力学方法,从几种不同角度讨论了量子气体系统的简并条件,并通过分析和对比,指出它们本质上的一致性以及量子气体的性质对于其简并度的依赖关系。以简并费米气体模型在天体物理中的应用为例,说明了量子统计理论在现代物理研究领域有着十分重要的作用。     

基于量子辐射场的大数据安全存储寻址算法

大数据存储过程面临着与日俱增的各种威胁,而传统数据存储算法难以有效应对这些新型威胁。以量子力学和量子遗传的关系为基础,构建量子辐射与量子遗传迭代的、双向可逆过程的数学函数和计算机程序,为流数据的大规模量子安全存储构建软件基础环境。在量子力学和量子遗传的映射关系下,将量子染色体的定义和交互作用通过量子比特和量子旋转门的计算实现,将量子染色体的交互通过量子引力作用和量子斥力作用的交互实现,将量子染色体动态过程的主要衡量指标通过引力和斥力的叠加态来计算产生。用量子引力和斥力来引导流数据的动态存储寻址、出入栈过程与路径,进而将大数据存储过程双向映射为量子辐射场和量子空间域问题,得到安全存储路径与存储地址。     

经典对应不一致的量子混沌现象分析

研究了粒子在中间存在势垒的无限深势阱中的量子运动.给出了能级谱统计分析,发现这些经典上可积的模型,在量子上出现了不可积现象,即产生了混沌,出现了经典与量子的不对应.造成这种不对应的原因是量子上所特有的隧穿效应.并且发现,不可积的程度与势垒的形式有关,势垒越复杂,混沌现象越明显.     

量子信息技术

量子特性在信息领域有着独特的功能,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有望突破现有经典信息系统的极限。量子信息科学正是由量子力学与信息科学相结合的一门学科。近年来量子信息在理论、实验和应用领域都取得重要突破。量子通信在一定程度上已经实现了商业应用并具有广阔的市场应用前景;量子计算机具有目前的计算机从原理上所不可能具有的无与伦比的威力,但目前尚未真正意义上的量子处理器的技术实现,基于量子光学和固态体系的量子处理器的研究大有可为。     

量子力学与量子计算机

从量子力学原理出发,说明量子力学的结果是现有计算机技术的天然障碍——计算机芯片的集成度最大到原子、分子量级(10-10m);论述了量子计算机强大运算能力的原因——量子纠缠态之间的关联效应.介绍了量子计算机的几种可能方案.指出量子计算机的研究需要当今最前导的微观物理技术与计算机技术结合起来.     

平衡辐射统计理论的探讨

运用经典统计物理理论对平衡辐射进行研究,存在着致命的缺陷,主要原因是经典统计物理理论把平衡辐射场看作是由无穷多个单色平面波的叠加,按能量均分定理,每个单色平面波具有一定的能量值,因而平衡辐射场的总能量将趋于无穷大。要正确解决经典统计物理对平衡辐射的缺陷,需要用量子统计物理理论来研究。量子统计理论认为,平衡辐射是由大量光子组成,光子的自旋量子数为1,满足玻色分布,从而能得到与实际完全相符的结论,即普朗克公式。利用普朗克公式还可以得出瑞利-金斯公式以及维恩公式等其他一些重要结论。     

叠加态量子纠错的5位编码

利用叠加态量子纠错思想，设计了由H门和CNOT门实现的5位量子编码纠错线路，实现了在量子Hamming界条件下用最少位的叠加态编码．     

一种多模叠加态光场的不等幂次H压缩特性

目的对强度相等的对称两态叠加多模叠加态光场的不等幂次Nj次方H压缩特性进行详细研究。方法根据量子力学中的态叠加原理，并运用多模辐射场的广义非线性不等幂次高次压缩的一般理论，寻求适当的压缩条件。结果在一定的压缩条件下，上述对称两态叠加多模叠加态光场总可呈现出周期性变化的广义非线性不等幂次Nj次方H压缩效应。结论在一定的压缩条件下其压缩特性总是呈现出周期性的对称互补关系。