基于量子遗传算法的无人机冲突解脱方法

飞行冲突解脱对于无人机飞行安全至关重要,遗传算法(genetic algorithm, GA)在解决无人机冲突解脱时存在求解速度慢、产生的延误距离较大等缺点,针对这些缺点,提出一种基于量子遗传算法(quantum genetic algorithm, QGA)的无人机冲突解脱方法。该方法采用了量子比特编码,设计加入了延误指数函数强制优化策略和变航向优化策略,通过利用量子旋转门实现个体的演化,并在延误距离、冲突解脱航迹等多方面与遗传算法进行了对比实验。仿真实验结果表明,该方法与遗传算法相比,求解速度更快,解的质量更高,所得解脱航迹更平滑,能获得较小的飞行延误,在无人机冲突解脱方面具有有效性和良好的应用价值。     

基于量子遗传算法的成品门幅模型参数优化设计

为了解决热定型中影响成品织物门幅的工艺参数难以定量设计的关键技术难题。提出了将量子遗传算法用于成品门幅模型工艺参数优化设计中。建立优化模型,基于该模型采用量子遗传算法,实现了影响成品门幅的工艺参数精确定量设计。用该方法得到的工艺参数加工弹力布,生产成品的门幅与用户要求指标的偏差小于0.1%,完全满足实际生产要求。同时将量子遗传算法与遗传算法在工艺参数的优化设计中进行比较,得出当迭代种群逐渐增大时,量子遗传算法在工艺参数的优化设计中的优势更加明显。     

量子计算中的矩阵方法

量子计算机是由包含连线和基本量子门排列形成的处理量子信息的量子线路建造而成的,本文主要从线性代数中的矩阵出发证明两个基本的逻辑门和量子线路.     

量子遗传算法优化加权朴素贝叶斯复合语言文本分类

为了提高朴素贝叶斯算法的复合语言文本分类准确度和效率,将加权朴素贝叶斯算法用于复合语言文本分类,采用量子遗传算法对权重参数进行优化;根据贝叶斯定理建立语言文本分类模型,考查样本属性之间的差异对分类结果的影响;然后引入属性权重,形成加权朴素贝叶斯文本分类模型;利用遗传算法对权重参数进行优化,借助量子比特运算提高遗传优化效...     

用微波-超导量子比特系统实现一位通用量子逻辑门

该文研究了二能级射频超导量子干涉仪量子比特与经典微波脉冲的相互作用.研究结果表明,当微波场的角频率接近于系统二能级|0〉|1〉跃迁频率时,即ω1-ω0≈ωm,可以得到一位通用量子逻辑门.通过调节控制微波场的角频率ωm,幅度Vm和脉冲作用时间t,可以得到不同的一位量子逻辑门.     

分组量子遗传算法及其应用

量子遗传算法是一种高效的并行算法，但它易陷入局部极值。提出一种分组量子遗传算法，通过分层、分组等方法，保证了染色体的多样性。典型函数测试结果表明，分组量子遗传算法具有全局最优性，其性能优于其它几种遗传算法和QGA。     

基于混沌优化的量子遗传算法

量子遗传算法是一种高效的并行算法，但它有时会陷入局部极值。混沌优化的遍历性可作为搜索过程中避免陷入局部极小值的一种优化机制，随机性和规律性使它具有丰富的时空动态。所以二者结合可互补。经试探分析，典型函数测试结果表明，混沌优化与量子遗传算法相结合全局寻优效果更佳。     

一种改进的量子遗传算法研究

提出一种改进的量子遗传算法(IQGA)。在编码方面提出了一种根据所求问题精度动态确定量子染色体基因长度的编码方法,考虑了计算解的精度和搜索效率的平衡关系。探讨了量子旋转角度的动态调整及策略,使算子在不同的情形下实现粗搜索和细搜索的结合。通过对量子变异操作的组合实现异后在一个更大的邻域范围内进行搜索,确保算法在合理的计算代价内有潜能搜索到高精度的解。最后,用IQGA对选取的若干基准测试函数进行测试。测试结果表明,相对于已有文献算法数据来说由IQGA得到的最好解、最好解的平均值以及收敛代数等均更具优势。     

基于改进量子遗传算法的图像匹配算法研究

量子遗传算法是目前较成熟的全局优化算法,对于多目标的优化有独特的高效性和精确性。图像的匹配过程可以近似地看作在搜索目标函数图像相似性的最优解,而目标函数的变量则可用几何参数代替,因此对图像匹配算法的研究可以归结到量子遗传算法的全局寻优。然而,图像匹配中特征参数较多,维度较高,如果使用量子遗传算法(QGA)匹配,就会陷入局部寻优的状况,为了避免此现象的出现以及提高多维高峰环境下的匹配成功率,提出了改进的量子遗传算法,新算法在迭代中后期得到优秀解之时发挥作用,保留最优解,初始化其余个体。该方法一方面帮助算法跳出局部寻优,另一方面增加了群体多样性,进而提高了图像匹配的成功率以及效率。     

Clifford代数与量子逻辑门

以 Clifford代数为工具 ,讲座量子比特 ( Qubit)与量子逻辑门 (量子非门 ,Hadamard门 ,量子受控非门 ,Toffoli门等 )的有关性质。     

改进量子遗传算法在光谱分配中的应用

本文在量子遗传算法的基础上进行改进,添加灾变操作来避免算法陷入局部收敛,克服早熟,收敛较慢,以及适应度标定方式的多样性等问题。通过在Matlab7.0环境下进行仿真实验,在三种不同的目标函数下与颜色敏感图着色算法进行比较,分析得出改进量子遗传算法能够通过更少的迭代次数获得利用率更高的光谱分配。     

量子遗传算法在目标分配上的应用

量子遗传算法是量子计算和遗传算法相结合的产物,量子遗传算法将量子比特和量子门表示引入到遗传算法中,具有比遗传算法更好的搜索效率和收敛性.目标分配问题是一种典型的NP难问题,传统的方法在求解此问题时很容易陷入局部最优.本文利用量子遗传算有效地解决了目标分配最优化的问题,数值模拟表明量子遗传算法在该类问题中具有效性和可行性.     

改进量子遗传算法求解非线性方程组

非线性方程组的求解在科学技术和工程应用中经常遇到。将非线性方程组的求解问题转化为函数优化问题,并应用改进量子遗传算法求解此优化问题。数值模拟的结果验证了该方法的可行性和有效性。     

量子环中量子比特的自由旋转品质因子

在量子环中电子与体纵光学声子强耦合的情况下,通过求解能量本征方程,得出了电子的第一激发态和基态的能量及其波函数.数值计算结果表明自由旋转品质因子随量子环内径(或外径)的增大而减小,且随电子-声子耦合强度的增大而增大.     

抛物线性限制势量子点量子比特的振荡周期

在抛物量子点中电子与体纵光学声子强耦合的条件下，应用Pekar变分方法得出了电子的基态和第一激发态的本征能量及基态和第一激发态本征波函数．量子点中这样二能级体系可作为一个量子比特．当电子处于基态和第一激发态的叠加态时，计算出电子在空间的几率分布作周期性振荡．并且得出了振荡周期随受限长度及耦合强度的变化关系．     

相干脉冲下磁通量子比特的几何量子计算

首先计算了旋转磁场下自旋1/2粒子的绝热几何相位。用微波电流脉冲控制量子比特,导致量子比特里产生振荡的磁场。这个效应可以通过一个扰动的哈密顿量增加到总哈密顿量里,对哈密顿量进行旋转变换,得到磁通量子比特哈密顿变化的总效果类似于一个自旋1/2粒子在旋转磁场中的行为,进而计算出相干脉冲下磁通量子比特的几何相位,给定参数得到单比特量子逻辑门。最后简述了基于几何相位设计两比特受控非门。     

量子盘中量子比特的性质

在考虑电子与体纵光学声子强耦合的条件下,通过求解能量本征方程,得出了量子盘中电子的基态能量和第一激发态能量及其相应的本征波函数;采用幺正变换和元激发理论方法研究了声子效应;并以极化子的基态和第一激发态为基础构造一个量子比特.对KBr量子盘的数值计算表明:量子盘的尺寸效应显著,其能量随半径的减小迅速增大;量子比特内电子的概率密度与空间坐标和时间有关,当角坐标和时间给定时,概率密度随半径的变化而变化,在盘中心位置处电子的概率密度最大,在盘界面处概率密度为零;当半径和时间给定时,概率密度随角坐标的变化而变化;并且各个空间点的概率密度均随时间作周期性振荡.     

基于量子遗传算法优化的灰色神经网络预测模型

将量子遗传算法用来对灰色神经网络参数做出优化,提出了一种通过量子遗传算法优化灰色神经网络进行预测的建模方法.应用实例表明,文章建立的模型拥有良好的预测效果,可以作为传统方法的一种补充.     

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.     

混沌变步长量子遗传算法

针对多数量子遗传算法在搜索解时没有充分利用搜索过程中的先验知识的问题,结合混沌运动的遍历性和量子遗传算法的群体搜索性,提出一种基于混沌变尺度梯度下降的量子遗传算法.算法采用梯度下降法对量子遗传操作获得的优良个体进行局部搜索,引导种群的进化.结合混沌优化策略产生自适应步长,在搜索初期加快寻优速度,随着搜索逐渐接近最优点,混沌产生的小步长实现在最优解所在的小范围内进行精确搜索.实验结果表明,该方法的综合性能优于传统的量子遗传算法及遗传算法.