单个未知多能级粒子态的概率隐形传输

提出利用多对两能级粒子的非最大纠缠态作为量子信道实现单个未知多能级粒子态的概率隐形传输.讨论了单个三能级粒子的概率隐形传输,把其推广到单个多能级粒子,并得出单个多能级粒子的概率隐形传输的成功概率.     

虚拟力导向多粒子群算法的WSNs部署策略

为了优化无线传感器网络节点部署性能,在粒子进化的多粒子群算法的基础上结合虚拟力方法,提出了一种虚拟力导向多粒子群算法的部署策略。该策略通过节点间的虚拟力影响多粒子群算法的速度更新过程,指导粒子进化,采用多个粒子群独立搜索解空间,有效地避免了＂早熟＂问题,从而最大限度地优化了网络的覆盖率。仿真结果表明,与虚拟力算法和多粒子群算法相比,该算法在覆盖率、迭代次数和部署时间等方面具有更好的性能。     

一种带重采样控制器的IMM-AUPF算法

为了减轻粒子滤波计算复杂性,提出了一种基于交互式多模型(IMM)架构的自适应Unscented粒子滤波算法(AUPF)。IMM-AUPF算法在粒子滤波重采样步骤中设计了一个重采样控制器,根据滤波性能在线调节重采样粒子的数量。并将自适应粒子滤波算法应用于交互式多模型估计方法中,有效地解决了地面机动目标跟踪问题。实验结果表明:基于粒子滤波的多模型滤波器在估计精度方面优于标准的交互式多模型滤波器,且IMM-AUPF算法在计算复杂性方面优于交互式多模型Unscented粒子滤波算法。     

粒子群优化算法在电网规划中的应用

粒子群算法适合求解连续变量优化问题,本文提出了粒子群算法的新离散化方法。常规粒子群算法在电力系统优化问题中取得了成功,但有“趋同性”。本文提出了改进多粒子群优化算法（IPPSO）,IPPSO是两层结构：底层用多个粒子群相互独立地搜索解空间以扩大搜索范围;上层用1个粒子群追逐当前全局最优解以加快收敛。粒子群以及粒子状态更新策略不要求相同。     

凹陷状胶体粒子的自组装

凹陷状胶体粒子的自组装具有独特的方向性和形状识别性,是最近几年自组装研究的热点问题之一.由于缺乏合适的实验模型系统,至今为止,大部分研究都是以计算机模拟为主.为了从实验上研究凹陷状胶体粒子的自组装现象,本文首次采用分散聚合的方法,设计并成功合成了两种单分散性的、具有不同数目凹陷的胶体粒子:单凹陷粒子和多凹陷粒子.通过扫描电镜和光学显微镜对合成的凹陷粒子的形貌、大小进行分析,结果表明所得到的凹陷粒子为大小均一的微米级胶体粒子,表面光滑,在水溶液中能稳定分散,适合利用光学显微镜直观研究胶体凹陷粒子自组装.本文考察了单凹陷胶体粒子的方向性聚集组装和多凹陷粒子的特定识别性自组装现象.我们研究发现,在交变电场中,单凹陷粒子倾向于侧向移动,容易定向自组装成线性结构,使得该粒子在模拟碗状粒子凝聚态物理结构方面具有潜在的应用.另外,本文以多凹陷胶体粒子为"锁",聚苯乙烯圆球为"钥匙",研究了多凹陷粒子与圆球粒子的"锁-钥"自组装现象,展现了圆球粒子与凹陷粒子之间丰富的"锁-钥"自组装可能性,并初步探讨了其形成机制.     

nm Al粒子多层复合膜的电磁波散射特性

用射频溅射工艺制备了ｎｍＡｌ粒子的多层复合膜，通过控制Ａｌ粒子和ＡＩＮ膜的生长时间，成功地控制了Ａ１粒子的粒径和在复合膜中的纵向分布。用ＴＥＭ暗场法并结合ＴＶ图像分析测得了ＡＩ粒子的粒径，并导出了粒径和生长时间的经验公式。ｎｍＡｌ粒子多层复合膜的电磁波散射特性与Ａｌ粒子的粒径、填充因子、凝聚程度及纵向分布有关。     

粒子群优化的多机器人协作定位方法

针对异质多机器人具有不同的感知能力和处理能力的特点,提出一种基于粒子群优化的多机器人协作相对定位方法.该方法将常规粒子滤波方法与粒子群优化算法有机结合,通过粒子群优化方法对预估粒子进行更新,同时利用多机器人之间的相对观测信息,调整粒子的提议分布和粒子权重,增强多机器人位置预测的有效性,提高多机器人定位的精度.实时数据实验结果表明:该方法正确、可行.     

自适应逃逸动量粒子群算法的数据库多连接查询优化

为了提高数据库多连接查询的优化效率,针对粒子群算法存在的早熟、局部最优等缺陷,提出一种自适应逃逸动量粒子群算法的数据库多连接查询优化方法.该算法首先将遗传算法的交叉机制引入粒子群算法中,以保持粒子群的多样性,避免早熟现象出现;然后,引入动量算法平滑粒子搜索轨迹,加快粒子群的收敛速度;最后,将该算法应用于数据库多连接查询优化求解,以获得最优的数据库多连接查询方案.仿真结果表明,该算法提高了数据库查询效率,缩短了查询响应时间.     

波函数与坐标系

讨论了波函数与坐标系的关系问题,认为无论单粒子波函数还是多粒子波函数,都与坐标系有关,坐标系都是选在有心力场中心的.对于多粒子体系波函数,可以认为是一个粒子分别处于不同的位置,其波函数的构成,是考查位置的单粒子波函数与其他位置单粒子波函数相乘的结果,而其他非考查位置的单粒子波函数的乘积,可认为是考查位置单粒子波函数的归一化常数.     

远程制备多粒子纠缠态优化方案

提出了一个较好的远程制备多粒子的纠缠态的方案,先讨论用(N+1)粒子的纠缠态作为量子通信信道制备2N粒子的纠缠态.然后在研究用一个(N+1)粒子的纠缠态和一个(N+2)粒子的纠缠态作为量子通信信道制备(2N+1)粒子的纠缠态.与现在已有人提出的制备多粒子的纠缠态的方案相比,这个方案的优点是仅花费了两位经典位和只有一次两粒子的投影测量.     

基于OpenMP求解无容量设施选址问题的并行PSO算法

讨论无容量设施选址(UFL)问题,提出了一个基于OpenMP技术的并行多粒子群优化(PSO)算法.将整个种群分为若干子种群,同时利用局部信息来更新粒子速度,使得并行算法异步进行.算法运行一定代数后,每个子种群都会与其相邻种群交换最优粒子.通过将并行多粒子群算法对OR-library中的标准测试问题进行测试,并将计算结果与串行多粒子群算法的计算结果进行比较.相比之下,并行多粒子群算法执行时间短,特别对于大规模的计算问题,所得结果有更好的鲁棒性.     

粒子群算法在多目标优化中的应用综述

粒子群优化算法是一种基于群体智能的全局随机寻优算法。它通过粒子搜寻自身的个体最优解和粒子群体的全局最优解来完成更新优化。粒子群算法在很多领域得到了广泛的应用。本文主要论述了多目标PSO约束优化的基本思想、实现情况,并展望了PSO算法在多目标优化中的未来发展方向。     

两种多金属氧酸盐纳米粒子的合成与表征

探索了两种多金属氧酸盐H4[PMo11VO40].28H2O和H12[K6MnMo9O38]纳米粒子的制备,并通过FTIR、XRD和TEM测试手段对其结构、粒子形状及大小进行了表征.结果表明纳米粒子基本保持原有的多阴离子骨架,且纳米粒子大小均一,平均粒径为10 nm.     

尘埃粒子计数器单分散粒子信号幅度分布研究

提出了尘埃粒子计数器单径粒子群散射光信号幅度响应函数的概念,详细讨论了该函数的意义、特性以及计算方法。提出了在单分散尘埃粒子计数器中,用粒子群信号幅度响应函数分析法代替简单的多道幅度甄别器来分别待测粒子群的粒径分布的方法。此方法有利于提高尘埃粒子计数器分析结果的准确度。     

基于部分纠缠信道的高维赤道态概率可控远程联合制备

作为一种特殊类型的量子态,赤道态由于在量子信息处理中的独特应用引起了广泛关注.基于不同多粒子纠缠态信道,研究者提出了任意双量子比特、三量子比特以及多量子比特赤道态多方联合制备方案.本文研究了基于高维部分纠缠态的高维多粒子赤道态多方概率可控远程联合制备方案,提出了两个基于高维部分纠缠态的高维多粒子赤道态多方可控远程联合制备方案.一个方案以m个高维类GHZ态为纠缠信道,可实现多个控制方控制下的高维赤道态多方远程联合制备,另一个方案以一个多粒子部分纠缠态为量子纠缠信道完成单个控制方控制下的高维赤道态远程联合制备.多个发送方共享多粒子赤道态信息,依据已知信息对手中纠缠粒子选择执行相应正交投影测量,控制方对他的纠缠粒子执行单粒子测量.接收方与所有发送方和控制方合作,仅需引入一个附加量子比特就可在他的纠缠粒子上重建需制备量子态.方案不需要使用最大纠缠态作为量子纠缠信道实现高维赤道态远程可控联合制备,具有可行性强的优点.     

多能级多粒子量子态的传输

提出了一种用多对N能级粒子的完全缠态传输N能级多粒子量子态的传输方案，与二能级量子态传输相比，多能级量子态可以传送更多信息。     

基于多种群多策略的竞争粒子群算法

针对标准粒子群算法遇到的易陷入局部最优、收敛差、求解精度低等问题,提出了多种群多策略竞争粒子群优化算法.新算法将每一代粒子根据适应度排序,将其划分为不同的子种群,并引入非线性Logistic混沌映射权重、收缩因子和混合高斯-柯西扰动机制来更新这些子种群.使用不同的粒子更新方式平衡了算法整个时期的全局搜索和局部开发能力,从而加快了收敛速度.最后,将多种群多策略竞争粒子群优化算法与标准粒子群算法和其它优化算法在11个测试函数上进行对比,结果表明,新算法在跳出局部最优解、和寻优精度方面显著优于标准粒子群算法,且有更快的收敛速度.在寻优能力和算法稳定性上大幅度强于其它对比算法.     

面向单目标优化的集成粒子群算法

串行粒子群算法广泛应用于多个领域,出现了多个变种,但解决不同种类的优化问题时性能有差异.为提高串行粒子群算法对各种优化问题的适应能力,提出一种集成粒子群优化算法.新算法使用Matlab的单程序多数据并行结构发挥单节点多核计算能力,通过设置外部档案分享不同粒子群的全局最佳位置,促进不同串行粒子群算法之间的信息交流,综合利用不同串行粒子群算法在解决不同类型优化问题的优势.在广泛使用的测试函数集上开展仿真实验,结果验证了新算法的有效性,与多个知名的串行粒子群算法相比,新算法在寻优性能上优势明显.新算法不仅能够提高粒子群算法的适应能力,而且,所采用的算法框架也适应于其他群智能算法,改善了算法的性能.     

基于差分进化改进粒子滤波的多径估计算法

多径干扰因具有位置上的不相关性、不确定性等特点,不能通过差分技术来消除,成为高精度定位的主要误差源之一。因此,估计多径参数对抑制多径误差、提高导航系统的定位精度具有重要意义。本文将多径估计问题转化为状态空间模型下的参数估计问题,并利用粒子滤波(PF)进行多径估计。同时,为了克服标准PF存在粒子枯竭、导致估计结果可能收敛到错误值的问题,提出了基于差分进化改进粒子滤波(DEPF)的多径估计算法,该算法利用差分进化(DE)算法代替PF的重采样来产生新粒子,使新粒子朝着状态真实后验概率密度分布的方向移动,避免了重采样后粒子可能收敛到局部最优值的问题。仿真结果表明,在非高斯噪声下与基于PF和EKF的多径估计算法相比,本文算法具有更好的多径估计性能。     

基于多分PSO算法的阵列天线方向图综合

针对如何确定PSO算法粒子分裂数目、如何评价粒子寻优能力与算法寻优能力这3方面的问题,对多分PSO算法在不同粒子分裂数目时,线阵低副瓣方向图、带零陷低副瓣方向图的综合性能通过定义粒子停滞率、寻优比进行了研究,分别从所综合的方向图性能和粒子寻优能力进行了详细分析。仿真结果表明:分裂次数越多,寻优比越大,算法收敛速度越快,但粒子停滞率基本不变,对于较为复杂的方向图综合,随着分裂次数的增多,寻优比增大的幅度变小,且仿真所需的时间增加。仿真分析表明所定义的2个参数能够有效地反映多分法的寻优能力及多分法中粒子的寻优能力,从微观角度对多分PSO算法的寻优能力做出较为可靠的评价。