利用量子计算语言进行量子通信仿真

量子通信是利用量子位进行信息传送的一种绝对安全的通信方式。将一种用于量子计算仿真的量子计算语言引入量子通信的研究中,实现了一种典型的量子安全直接通信协议的正确性、安全性仿真验证,并得到各种性能指标。仿真结果与理论分析结果的一致性验证了利用量子计算语言进行量子通信协议仿真的可行性。量子计算语言的引入,为量子通信的研究提供了一种强大、简便、通用的工具。     

量子K最近邻算法

为减少经典K最近邻算法的时间复杂度,提出了量子K最近邻算法(QKNN)。介绍了QKNN算法的构造步骤,然后为减少量子计数子程序的运行时间,进一步将固定的K值修改为可变的k,形成改进的k可变的量子最近邻算法(QkvNN)。为弥补由于最近邻个数K变化带来的分类错误率上升的影响,在Boosting算法框架下,用三个由QkvNN算法训练的弱分类器,去构造了一个强分类器,从而提高单独运行QkvNN的分类精度。在此算法中,由于利用了量子计算的强大能力,使得经典K最近邻算法的时间复杂度从O(N)减小为O(N)。     

基于量子门组单元的神经网络及其应用

以通用量子门组(即相移门和受控非门)作为基本的计算单元,构造出全新的量子神经元模型,并由此组成前馈型结构网络.仿真结果表明,就文中算例而言,该量子神经网络的计算性能优于传统的神经网络.     

Steiner最小树问题的量子蚁群算法

Steiner最小树问题是组合优化中一个经典的NP难题,本文在蚁群算法的基础上结合量子计算提出一种求解欧氏Steiner最小树问题的量子蚁群算法.将量子比特、量子逻辑门以及Grover量子算法引入到蚁群算法中去,有效提高了算法的全局搜索能力,搜索速度也有显著的提高.一系列数据实例计算与比较表明,量子蚁群算法较蚁群算法在Steiner最小树问题的求解上具有更好的性能.     

一种新量子进化算法及其在函数优化中的应用

基于量子计算理论和进化理论,提出了一种新的量子进化算法-基于实数编码的量子进化算法(RQEA).不同于传统进化算法的单点编码和量子进化算法的量子比特编码,算法以实数矩形区域来表示基因,一条染色体携带多个个体信息.利用量子态叠加和相干机理,通过叠加、变异及自学习来完成进化过程.实验表明,该算法在函数优化上具有优异的性能.     

从激光测距到量子纠缠光子对测距

激光测距通过测量激光往返目标的单光子飞行时间与时钟之差来计算目标的距离，针对该技术目前已经有比较成熟的研究成果，因而激光测距技术在地面、地卫、地月测距上均有应用。量子纠缠光子对测距通过对一个在卫星与目标之间往返的纠缠光子与另一个纠缠光子之间的符合计数，经过数据拟合获得往返目标的飞行时间差。由于纠缠光子对是同时产生，所获得的测距结果从原理上就比包括激光测距在内的所有测距方法要高。目前，针对量子纠缠光子对测距已进行了十几年的理论研究，但实际应用才刚刚开始。主要对激光测距与量子纠缠光子对测距的原理、系统结构、设备与装置及其关键技术进行综述，同时对激光雷达和量子雷达以及与测距相关的研究进行了综述，分析了它们各自的特点，对比了其中的相似之处与不同之处，为量子纠缠光子对测距及定位导航提供了理论依据，并在此基础上对未来量子测距及定位导航领域的发展进行了展望。     

基于量子遗传算法的滤波器参数优化

针对传统模拟滤波器设计对于较为复杂的目标需求往往精度与效率均较差的问题,提出一种基于量子遗传算法(quantum genetic algorithm,QGA)的模拟滤波器优化设计方法。量子遗传算法是量子计算理论与进化理论相结合的产物,同传统遗传算法(classical genetic algorithm,CGA)相比具有种群多样性好、收敛速度快和全局寻优能力强的特点。引入QGA算法对滤波器参数进行寻优。通过采用自适应的量子旋转角调整策略并引入量子交叉、变异及群体灾变操作,提高了算法的搜索效率,降低了算法出现早熟的可能性。实例计算表明了算法在该类问题中的有效性和可行性。     

混合混沌量子进化算法

针对量子进化算法计算量大、收敛速度慢以及容易出现早熟等问题, 提出混合混沌量子进化算法. 该算法采用混沌 初始化方法产生初始种群, 使种群具有较好的多样性;采用简单量子旋转门更新当前种群中的非最优个体, 降低算法的计算量; 提出混合混沌搜索策略以提高算法的收敛速度和全局搜索能力. 大量的测试表明, 与量子进化算法、实数编码量子进化算法和 混合量子遗传算法相比, 所提出的算法具有较快的收敛速度和较好的寻优能力. 大量的测试也表明, 若将混沌引入量子进化算法, 则混合混沌搜索策略的综合性能明显优于载波混沌策略, 在大多数情况下优于混沌变异策略. 本文提出的算法是惟一的每次测试 都收敛的算法, 且实现简单, 便于工程应用. 将其用于求解城市道路的交通信号配时优化问题, 实际效果令人满意.     

带时间窗车辆路径问题的量子蚁群算法

带时间窗的车辆路径问题(VRPTW)是VRP的一种重要扩展类型, 是组合优化中的一个NP难题, 针对蚁群算法在求解VRPTW问题时易陷入局部最优和收敛速度慢的问题, 本文结合量子计算提出一种求解VRPTW的量子蚁群算法(QACA). 通过定义人工蚂蚁的转移概率, 增加量子比特启发式因子, 以及用量子旋转门实现信息素更新, 从而提高算法的全局搜索能力, 有效避免了算法陷入局部最优. 经一系列VRPTW的仿真实验表明, 量子蚁群算法较蚁群算法在求解VRPTW问题上具有更好的性能, 通过与其他算法的比较, 进一步说明量子蚁群算法是可行有效的.     

三维医学图像分割的改进量子进化搜索算法

传统量子进化算法用于搜索某些函数极值时精确度较低且稳定性较差.针对该问题,借鉴模拟退火算法,根据进化代数及个体的适应度值,修正了传统量子进化算法旋转门函数的旋转角度值,并应用于三维医学图像分割,从而形成了一种用于三维医学图像分割的改进量子进化算法.100次阈值计算实验结果表明,提出的分割算法与传统量子进化算法相比,在保持了传统量子进化算法收敛速度快特点的同时,可大大提高算法在三维分割中的精确性和稳定性.     

VLSI阵列处理器在信号处理和图象处理中的应用

现代信号处理和图象处理迫切需要高速度、高性能的计算工具。面向算法的VLSI阵列处理器的出现必将使信息处理进入新时代。本文分析了VLSI阵列处理器的算法和结构,并介绍了把算法映射为阵列结构的基本方法。     

高速信号处理系统及其在弱信号检测中的应用

依据水下信号处理任务的特点，结合流水线处理和并行处理，采用模块化设计方法，实现了一个由 １片 ８０８６ 微处理器和 １ 片高速数字信号处理器 Ｔ Ｍ Ｓ３２０ Ｃ２５ 构成的高速信号处理系统。该系统的峰值运算能力为２６ 亿次以上的整数操作。该系统能够实时实现信号的空间处理和时间处理等，并在水下弱信号检测中得到应用，取得了良好的结果。     

一种新型多DSP并行计算结构及其应用

传统的雷达信号处理系统的设计方法是针对特定应用的，因此系统的通用性差，而具有超级计算机体系结构的通用高速实时雷达信号处理系统有望解决这一问题。该系统的关键部件为担负具体计算任务的处理结点。首先提出了一种新型的、由5片ADSP-2106x构成的多DSP并行计算结构。它具有运算能力强、I/O带宽大、通信手段多样、能灵活地改变拓扑结构、可扩展、通用性强等特点。并且以此并行计算结构为核心设计实现了通用高速实时雷达信号处理系统的处理结点。     

冲击信号处理芯片设计、实现及应用

基于可编程门阵列(FPGA)完成了三通道冲击信号处理芯片的设计与实现。芯片采用流水运算完成最大绝对冲击加速度响应谱计算。由于冲击信号采样频率可在线更改,因此该芯片可以满足不同冲击信号处理器对峰值检测误差的要求和处理器功耗的限制。采用该芯片设计的数据预处理器已成功用于各种试验。试验表明,该芯片能实时完成三路冲击信号处理并将处理结果代替冲击波原始测量数据输出,能在大幅度压缩冲击信号传输带宽的同时,减小冲击信号峰值检测误差,扩大信号测量动态范围,并为识别数据“真”“伪”创造了条件。     

量子协同免疫算法用于SAT问题的求解

根据协同策略和量子免疫计算理论,提出一种求解SAT问题的量子协同免疫算法。该算法在将SAT问题转化为函数优化问题的基础上,采用多个子种群。分别采用量子比特编码来表达个体,采用通用的量子旋转门策略演化个体,采用量子交叉操作阻止早熟收敛;各种群独立演化,同时引入量子协同理论,采用协同算子使得算法的搜索效率更高。实验采用标准SATLAB库中的3 700个不同规模的问题对算法进行测试,并与简单克隆选择算法、量子遗传算法、量子免疫克隆选择算法进行比较。结果表明,量子协同免疫算法的平均成功率最高,平均运行时间和平均评价次数最少。     

基于云计算的大规模定制客户需求响应模型及其节点的选择与分布

云计算为大规模定制解决个性化定制和模块化生产的融合提供了现实的依据和信息技术上的支持.通过分析云计算平台体系架构和大规模定制客户需求响应服务的特点,研究了大规模定制中为了有效处理客户需求信息该如何选择与分布云计算平台中的关键节点的问题,提出了基于云计算的大规模定制客户需求响应模型,并提出一种以客户需求关联度为衡量指标的关键节点确定算法.     

基于私有云和改进粒子群算法的约束优化求解

为提高约束优化模型的求解准确度和运算速度,针对粒子群算法及其计算方法进行了改进。引入多样化机制避免算法陷入局部最优的危险:创建多个子群将决策空间划分为多个搜索子空间,多子群独立搜索以保证群间解的多样化;用量子粒子代替普通粒子,为其添加服从球状分布的伴随粒子来提高群内解的多样化。多样化的引入增加了计算量和计算复杂度,利用并行计算提高算法运行速度:分析了改进粒子群算法并行计算的方法,在私有云计算平台上编写了基于MapReduce的并行求解流程。实验结果表明,本文方法具有较高准确度,算法的稳定性也较好,运算速度可成倍提高。     

量子神经网络软测量模型及应用

提出了一种基于量子神经网络的软测量模型,组成该模型的量子神经元对信息的处理分为两阶段。第一阶段为宏观信息收集部分,产生控制量子比特;第二阶段为微观信息处理部分,根据控制量子比特,改变工作量子比特,即神经元的状态,整个过程模拟量子受控非门。以某石化厂乙烯收率为软测量对象,实验结果显示出,提出的量子神经网络软测量模型可以较好地跟踪乙烯收率的变化。     

"鹰鸽博弈"的量子分析

在经典的“鹰鸽博弈”中，纳什均衡为一方采取“鹰”策略，而另一方采取“鸽”策略。本文使用量子博弈的方法研究经典的“鹰鸽博弈”，通过量子策略给出了一个不同于经典博弈的新的纳什(Nash)均衡，即博弈双方均采取“鸽”策略，从而达到帕累托(Pareto)最优。     

一种探测低飞目标的PD雷达仿真系统

针对相参体制的脉冲雷达波形, 在综合考虑雷达平台及低飞目标运动规律的基础上,采用半空间物理光学结合图形电磁学,快速准确地计算了半空间低飞复杂目标的雷达散射截面,并按照真实地形的地形高程数据和地形地物特征,生成地杂波模拟数据。最后,采用频域信号处理方法对包含目标和杂波信息的雷达回波信号进行研究,实现对目标探测、测速、测距的功能。给出了仿真系统的总体架构和各模块的功能原理,并用仿真实例进行验证。