求解作业车间调度问题的混合QPSO算法

文章使用混合量子粒子群优化算法求解作业车间调度问题,并设计了一种基于工序的编码方式;为了克服量子粒子群优化算法容易陷入局部最优的缺点,将模拟退火算法引入量子粒子群优化算法,使算法具有跳出局部最优的能力并增强其全局搜索能力,形成量子粒子群-模拟退火调度算法;仿真结果表明,混合算法具有良好的全局收敛性能.     

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.     

量子算法及其在图像处理中的应用

量子计算与量子信息是涉及物理学、计算机科学、数学以及信息科学等多个学科的新兴综合性交叉研究领域,是量子力学理论和经典计算理论完美结合的产物.由于其强大的计算能力及广阔的应用前景,使得其在国际学术界以及政府科研机构中引起巨大的兴趣.在量子计算的研究中,计算性能的优越性主要体现在算法的有效性上.目前为止,被公认的最具代表性的量子算法有Shor的大数质因子分解算法以及Grover提出的数据库搜索量子算法.集合运算是科学技术很多领域的基础,如数据库操作、信号处理、图像压缩等等都可最终归结为对集合的操作.但是对于包含了高维无序向量的集合,要对其进行有效快速的集合运算,在经典电子计算机上是困难的.因此,需要新的原理和新的算法来有效操作集合.量子图像处理(QIP)就是利用量子计算机来处理图像信息从而希望获得比电子计算机更好的处理效果.量子图像处理研究才刚刚起步,在不久的将来可能会成为一个受关注的研究热点.对目前的量子算法研究进展、量子集合运算、量子图像处理以及量子Hopfield神经网络研究作一个综述性论述.     

量子进化算法和免疫算法的比较研究

量子进化算法和免疫算法都是解决优化问题的强有力算法,.在分析了量子进化算法搜索的特点和免疫算法的机理基础上,对它们进行了比较,阐明了了二者的不同特点,并通过仿真实例总结出它们在求解多峰值函数优化问题上各自的优缺点.     

混合量子进化算法及其在多用户检测中的应用

将量子进化算法(QEA)和粒子群算法(PSO)互相结合,提出了两种混合量子进化算法.通过对多用户检测问题的求解表明,新的算法不仅操作更简单,而且全局搜索能力有了显著的提高.     

量子教学优化算法及在函数优化中的应用

为提升基本教学优化算法的搜索能力, 通过融合量子计算原理, 提出了一种量子教学优化算法。 该方法采用教师自学和学生向教师学两种学习机制搜索全局最优解。 个体采用量子比特编码, 搜索过程在 Bloch 球面上进行, 个体的更新通过量子比特的绕轴旋转实现, 然后将其解码为量子比特的 Bloch 球面坐标。 由于该方法将基本教学算法中每维变量的搜索都扩展到 Bloch 球面进行, 可使搜索过程更为精细, 从而加强了对解空间的遍历性。 不同维度标准函数极值优化的仿真结果表明, 此方法的寻优能力不仅超过基本教学优化算法, 同时也超过其他经典群智能优化算法, 验证了将量子计算的某些机制和智能优化相融合可提升其优化性能。     

混沌量子免疫算法

利用混沌搜索的遍历性和量子计算的高效性,提出一种用于连续空间优化的混沌量子免疫算法。用量子位编码初始群体,用量子旋转门实现个体更新。在量子旋转门中引入两种幅值不同的混沌变量改变转角的大小,小幅值混沌变量用于优良个体的克隆扩增,实现局部搜索;大幅值混沌变量用于较差个体的突变,实现全局优化。证明了算法的收敛性。实验表明,该算法能显著改善免疫优化算法的搜索能力和效率。     

基于数字反向透热补偿的量子算法

与传统计算机不同,量子计算机在计算速度和能耗方面大大优于传统计算机,被认为是未来具有重大影响力的新型计算模式之一.目前,量子绝热算法、变分量子本征求解器(variational quantum eigensolver,VQE)、量子近似优化算法(quantum approximate optimization algorithm,QAOA)是当前含噪声中等规模量子时代有望用来尝试寻找量子优势的重要算法.以氢气为例的基态能量计算,展现了量子绝热算法和变分量子本征求解器在量子化学中的应用.通过利用数字反向透热补偿法加速量子绝热算法,并利用变分量子本征求解器实现其优化,用于降低量子线路深度,提高能量计算的准确性.随着研究的不断发展,该基于数字反向透热补偿的量子算法有望应用于数据搜索、材料设计、生物制药等领域,体现出量子的优越性.     

量子Fourier变换在实现Deutsch-Jozsa算法中的应用

提出利用量子Fourier变换解决Deutsch-Jozsa算法问题的观点.结合量子Fourier变换和Deutsch-Jozsa算法的量子电路,找到一种利用量子Fourier变换解决Deutsch-Jozsa算法新的量子电路,并考察该量子电路中各个线路的量子状态,结合算法对该量子线路的状态进行研究.结果表明:利用量子Fourier变换解决Deutsch问题,能够有效地提高运算速度,节省运算时间.     

求解病态线性方程组的混合算法

首先通过变分原理将求解线性方程组的问题转化为等价的求解无约束函数最优化问题的极小值.通过研究BFGS算法和模拟退火算法的优缺点,鉴于BFGS的良好的局部搜索能力以及模拟退火法的全局搜索能力,提出了一个BFGs-SA的混合算法.数值实验表明该混合算法校正了BFGS的局部搜索能力,达到了全局最优解,从而得到了原病态线性方程组的解.     

基于量子遗传克隆挖掘的Web搜索策略

随着互联网的迅速发展,网络规模不断扩大,信息储量急剧增长,Web搜索引擎技术越来越得到广泛地应用.针对用户越来越难以迅速精确地检索到所需信息的现状,提出一种应用于Web搜索的量子遗传克隆选择算法.该算法通过克隆、高斯变异以及量子交叉等操作对可行解进行搜索,提高了算法的全局寻优能力.通过实验结果分析得出,在Web搜索中该算法比传统的搜索方法具有更明显的优势.     

QBSO算法在PID参数优化的应用

为解决PID控制参数求解过程中所存在的求解精度不高的问题,提出一种量子天牛群算法.通过结合PSO算法的全局搜索能力、BAS算法的局部搜索能力以及量子策略的随机能力,使得算法的全局搜索能力以及搜索精度得到有效提高,并通过两类经典函数对其寻优能力进行验证.进一步,将QBSO算法应用于PID参数优化中,并对一阶与二阶延时和非延时系统进行PID控制参数求解.通过仿真实验以及计算结果表明,基于QBSO的PID控制的控制系统具有更加优良的动态性能与抗扰动能力.     

基于HFC模型的模拟退火算法改进及应用实现

本文在研究分析标准模拟退火算法在可持续性进化方面的缺陷基础之上,引入进化算法中的"种群" 等概念,提出了基于HFC(Hierarchical Fair Competition)模型的模拟退火算法-HFCSA算法及其运算流程,并给出了详细的数学描述.该算法的分等级搜索方式改进了标准模拟退火算法的缺陷,不仅能保留了模拟退火算法的优点避免陷入局部最优,而且还具有可持续的搜索能力.最后,文中举出实例验证基于HFC模型的可持续模拟退火算法和标准模拟退火算法和遗传算法在相同问题上的不同效果.     

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.     

量子混合蛙跳算法求解连续空间优化问题

基于量子理论提出一种量子混合蛙跳算法, 该算法采用量子位的Bloch球面坐标编码个体, 利用量子位在Bloch球面上绕轴旋转的方法更新个体, 通过自适应混沌旋转角度算子提高子群内部局部搜索能力, 采用Hadamard门实现个体变异避免早熟, 有效扩展了解空间的搜索范围. 实验结果表明, 该方法优于普通的混合蛙跳算法、 粒子群算法和遗传算法, 具有较高的优化能力和效率, 更适合高维复杂函数的优化.     

一种新的量子蚁群优化算法

 针对蚁群算法在求解连续空间优化问题时易于陷入局部最优和收敛速度慢的问题,提出了一种新的基于量子进化的蚁群优化算法。 该算法采用量子比特的概率幅表示蚂蚁当前位置信息;设计了一种新的量子旋转门更新蚂蚁位置, 完成蚂蚁的移动;最后采用量子 非门实现蚂蚁所在位置的变异, 增加位置的多样性。不仅从理论上证明了所提出算法的收敛性,而且通过仿真实验表明该算法可使 搜索空间加倍,比传统的蚁群算法具有更好的种群多样性,更快的收敛速度和全局寻优能力。     

求解旅行商问题的混合量子算法

提出了求解旅行商问题的混合量子算法(HQA).HQA以量子计算为基础,设计了移位解码,解决了构造路径难的问题.并采用微粒群算法的进化模式和跟踪保优模式,构造了动态惯性权重使量子角更新、更有效,增加了局部优化进行精细搜索.对多个算例的测试结果表明,HQA具备了求解旅行商问题的能力.     

最小控制集问题的群集策略智能算法研究

图的最小控制集是一个经典的NP完全问题,其广泛应用在生物信息学、计算机通讯、工程设计等方面。目前搜索最小控制集算法有多种,例如:贪心算法、模拟退火算法、基于禁忌搜索的模拟退火算法等。当搜索结构复杂的多点图时,很多算法的搜索效果并不好。为了提高搜索效果,提出并实现一种群集策略智能算法;同时还对群集策略算法进行了非常重要的扰动改进。为了验证算法的搜索效果,利用Petersen图和随机图完成了对群集策略算法的搜索测试实验;同时也完成了对群集策略算法、贪心算法、基于禁忌搜索的模拟退火算法的比较测试实验,通过实验结果也验证了群集策略算法搜索效果最好。     

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。     

基于改进量子进化算法的稀疏特征提取方法

特征提取是进行模式识别的关键环节,利用稀疏分解将信号表达为具有一定结构特征的原子组合,为提取信号内部特征信息提供了一种有效途径.本文提出基于改进量子进化算法的稀疏特征提取方法,利用改进量子进化算法的并行性和全局搜索能力,使信号在过完备的原子库上实现快速精确的稀疏分解.对过完备的原子库进行量子比特概率幅编码,通过量子比特的交叉进化-变异操作更新原子库,以信号残差与原子的内积作为量子进化目标函数,筛选出最具信号结构特征的原子,凭借稀疏重构实现信号的特征提取.仿真信号和故障轴承振动信号的稀疏特征提取结果表明了所提方法的有效性和优越性.