量子统计力学演化算法

将进化理论和量子统计力学理论相结合, 提出一种新的量子统计力学演化算法. 将整个遗传系统作为一个量子统计系统, 并借鉴量子信息论中量子比特的叠加性, 采用量子编码表征染色体, 使系统中的量子能够表示多种线性叠加状态. 算法类比量子统计力学中的相关概念, 定义了量子系统的能量和熵, 并利用量子系统中能量和熵竞争的模式系统地协调进化理论中选择压力和种群多样性间的冲突, 使算法在提高选择压力和维持种群多样性之间保持了适当的平衡, 可以快速的收敛到全局最优解. 实验结果表明, 该算法有较高的执行效率和求解能力.     

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。     

用量子蚁群算法求解大规模旅行商问题

针对旅行商问题(TSP),提出了一种新的混合量子优化算法——量子蚁群算法.量子蚁群算法采用量子比特的概率幅表示蚂蚁的当前位置,采用量子旋转门更新蚂蚁的位置,选取国际通用的TSP实例库中多个实例进行测试.仿真实验表明,该算法具有很好的精确度和鲁棒性,可使搜索空间加倍,比传统的蚁群算法具有更好的种群多样性.     

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。     

一种基于免疫变异算子的改进型量子遗传算法

基于量子遗传算法进化方向随机性大、易早熟等缺点提出了一种改进的量子遗传算法.该方法采用了自适应染色体长度和旋转角度,提高了优化效率;引入了免疫算子,淘汰繁殖率低的个体,并通过操作染色体编码实现量子变异,以增强种群中基因多样性,避免算法陷入局部最优.对若干基准测试函数进行实验,结果表明相对于标准量子遗传算法,该算法在收敛速度、精度、稳定性以及克服早熟能力方面都有了显著的提高.     

基于旋转算子的非交互式量子同态加密方案

量子同态加密是量子密码学的一个重要分支,它可以直接对密文量子态进行计算,同时保证计算的正确性和数据的安全性.对量子门T进行量子同态加密会产生额外的相位门S,如果不消除该错误则不能得到正确的输出.使用量子门隐形传态可以非交互地消除相位门错误,但是增加了解密复杂度.本文利用旋转算子实现了T/T^?门的量子同态加密,提出了非交互式量子同态加密方案.该方案解密复杂度为O(1),加密复杂度为O(N),其中N是量子线路中量子门的数量.本文证明了该方案是信息论安全的以及能够实现对任意量子线路的量子同态加密,并且在IBM Quantum Experience上实现了对Toffoli门分解线路的量子同态加密.     

求解带约束投资组合模型的量子粒子群算法

针对量子粒子群算法(QPSO)在迭代后期出现种群多样性缺失和容易陷入局部最优的问题,提出了一种基于交叉操作的改进算法;在改进算法中,考虑了粒子的历史最优位置和次优位置,用以扩大粒子的搜索范围;同时,将遗传算法的交叉操作运用到位置的更新中,以增加种群的多样性,进而提高算法的收敛性;在性能测试中,将改进算法与原始的量子粒子群算法、基于差分进化的QPSO和基于黑洞探索的QPSO在收敛精度和鲁棒性方面进行了比较;最后,运用改进算法对一类具有投资数量限制的投资组合问题进行了求解,并与遗传算法、粒子群算法和标准的量子粒子群算法的寻优结果进行了对比。     

基于多硬币量子游走的仲裁量子(t,n)门限群签名

量子群签名是一类具有特殊性质的仲裁量子签名的变体.大多数现有的基于隐形传态的量子群签名方案不具备门限性质,也难以拓展为量子门限群签名.为了实现从普通量子签名向量子(t, n)门限群签名的扩展,解决基于联合Bell态测量的量子签名效率低下的问题,本文以量子游走实现的广义隐形传态为基础,提出了一种量子(t, n)门限群签名方案. n个签名者组成一个群组,只有其中的t个签名者可以利用量子游走系统代表该群组生成一个有效的签名.所提出方案使用基于多硬币量子游走的隐形传态来传递量子消息,量子一次一密验证量子消息.验签者在可信仲裁者的帮助下,通过量子比较算法来检查签名的有效性.在安全性方面,所提出方案满足门限群签名的不可伪造性、不可否认性、门限安全性、签名者身份可追踪性和签名者的匿名性要求.在效率方面,所提出方案使用基于量子游走的隐形传态实现量子信息的传输,无需提前制备纠缠量子态,以高效的单粒子投影测量代替联合测量.此外,所提出方案使用随机数和公共板,可以避免验签者对签名的否认并保证签名的完整性.     

量子行为粒子群优化算法在几何约束问题上的应用

几何约束问题可以等价为求解非线性方程组问题,同时也可以将几何约束问题转化为一个优化问题来求解.受经典粒子群优化算法和量子动力学启发,提出一种新的算法——量子行为粒子群优化算法(QPSO)来求解几何约束问题.在QPSO模型里,粒子的状态不再通过位置和速度来决定,而是通过一个波函数来确定.这种算法的主要优点就是可以在感兴趣的问题上保持种群的多样性.实验结果表明,该方法可以提高几何约束求解的效率和收敛性.     

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...     

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。     

两种典型的量子通信技术

量子通信是量子信息中的一个重要分支．而其中最典型的量子通信技术是量子隐形传态和量子密码通信．文章介绍了量子通信中量子叠加和量子纠缠的概念．并介绍两种量子通信技术的理论框架,同时也涉及了这个领域的实验研究进展．     

量子密码技术

根据海森伯不确定性原理,任何窃听者都不可能窃听量子通信中的信息不被发现.文章对经典密码和量子密码的密钥生成与分发作了分析和介绍.并介绍了当前实验研究的进展.     

量子计算及其应用

讨论量子计算机模型及其物理实现方案，量子计算过程，量子计算模型和量子并行算法，分析量子计算的指数级存储容量和指数加速特征，并简述量子计算和量子信息技术在保留通信、密码系统、数据库搜索等重要领域的应用。     

Closure of q-Quantum Languages

η-quantum languages are discussed and some of their properties are derived. Furthermore the q-quantum language is defined. It is shown that L （A1 ○× A2 ） = L（A1 ）∩ L（A2）, L （A） = L （A1 ）∪ L （A2 ）, So over the same alphabet the intersection and union of two different q-quantum languages are also q-quantum languages.     

量子区分与量子克隆简述

在经典信息理论中,编码状态可以精确复制与区分;而在量子信息中,由于态的叠加性存在,使得非正交态不可区分,量子态不可复制与删除.但是,量子态的区分和克隆在新型的量子信息科学中具有广泛的应用,例如量子密码的接收和窃听等.本文简要介绍量子态的区分和克隆的数学概念及相关研究结果.     

量子乘法器的设计及其实现方法

乘法器在数字信号处理和数字通信领域应用广泛,如何实现快速高效的乘法器关系着整个系统的运算速度。提出了一种新颖的量子乘法器设计方法,利用量子门设计一位量子全加器,并将n个一位量子全加器叠加在一起设计n位量子全加器,实现2个n位二进制数的加和;再利用2个控制非门设计置零电路,并使用置零电路设计量子右移算子;对二进制数乘法步骤进行改进,利用量子全加器和量子右移算子设计量子乘法器,同时设计实现此乘法器的量子线路。时间复杂度分析结果表明,本方法与目前最高效的量子乘法器具有相同的时间复杂度,并具有更简洁的实现方法。     

关于钠原子发射光谱实验：主量子数的确定法

利用Na—H能级跃迁对照的方法来确定主量子数,进而求出量子亏损。     

二粒态的概率隐形传态

量子隐形传态是量子信息学的一个重要组成部分,本文提出一个利用两个三粒子纠缠态作为信道的量子隐形传态方案,方案中一个两粒子态将被概率的传输。     

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.