量子"囚徒困境"的混合量子对策

在J．Eisert,M.Wilkens和M．Lewenstein等人提出的量子“囚徒困境”模型中，当两名博弈参与者采用纯量子策略，就能避免“困境”的出现，并且得到高于经典模型中所能得到的支付值，研究了这个量子化过程以有其中存在的问题，在这篇文章中提出应用混和量子策略的方法，不仅解决了以上问题，而且能够避免多重均衡中的策略“错配”问题。     

免疫遗传算法在车间作业调度中的应用

为了求解车间作业调度(JSP)这一典型的NP难题,提出了基于免疫遗传算法(IGA)的JSP问题求解方法.在该求解方法中,结合免疫原理和遗传算法提出了应用于JSP问题的IGA算法流程;算法采用基于工序的编码方式、自适应交叉和变异;同时为了改善交叉算子的性能提出了一种改进的基于工序编码的交叉算子.另外,采用车间作业中“最短处理时间原则”作为IGA算法的免疫疫苗,同时给出了免疫算子的设计方法.最后,通过“Muth and Thompson”基准问题的仿真实验验证了IGA算法在JSP问题求解中的有效性.     

基于遗传算法的有柔性路径的动态调度问题研究

建立了有柔性路径的FMS动态调度问题的模型．采用离线重调度的方法，提出一种结合离线重调度两种生成调度方式的方法来阐述FMS的有柔性路径动态调度问题．最后给出了该问题的遗传算法解决方法和计算示例．     

量子“囚徒困境”

J.Eisert,M.Wilkens和M.Lewenstein量子化了经典博弈论中的一个著名的例子－－囚徒困境（Prisoners‘ Dilemma）。在他们提出的物理模型中,如果两名博弈参与者采用纯量子策略,就能避免“困境”的出现,并且在该量子模型中,两名参与者的收益值都高于经典模型中的收益值。