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。     

基于量子博弈的产学研协同创新激励机制研究

本文引入了量子博弈的分析范式来研究产学研协同创新的激励机制,构建了产学研协同创新的量子博弈模型.对是否考虑纠缠态的情形做了比较研究,结果表明,考虑了纠缠态后,努力的一方不必再承担对方"背叛"的风险,在一定程度上解决了经典博弈中的"囚徒困境"问题.在产学研协同创新的情境下,协同双方需要在协同开始前商榷并委托第三方确定可被观测到的、易于量化的相关绩效指标,并签订"纠缠合同",确保协同双方均没有动机去采取非量子策略,这时采用最大努力程度的完全量子策略对协同双方来说均是最优的.     

量子合作竞争演化与仿真

为研究合作竞争行为结构与演化机制,该文通过量子化个体合作竞争状态,分析合作竞争纠缠机制,建立量子合作竞争模型,最终对量子合作竞争演化机制进行理论分析与计算机仿真实验分析.研究结果表明,量子合作竞争机制能够通过合作状态纠缠建立理性个体间稳定的合作关系.     

不同理性预期下量子库诺特模型的动态演化分析

针对库诺特双寡头量子纳什均衡的稳定性问题,利用量子博弈与非线性动力学理论,构建了不同理性预期下,以量子纠缠为变量的动态博弈模型,分析了模型的均衡解及稳定性条件.得出结论:量子均衡解在一定参数条件下是局部稳定的,企业预期调整速度会导致均衡解呈现复杂性特征,而量子纠缠可有效地控制其稳定性.对模型进行了数值分析,当参数不满足...     

联合退相位噪声下量子囚徒困境纳什均衡分析

为讨论量子囚徒困境模型在联合退相位噪声信道影响下纳什均衡策略情况,将联合退相位噪声引入到量子博弈中,通过MW量子化方案对囚徒困境博弈模型进行量子化,建立了联合退相位噪声信道下的量子囚徒困境博弈模型。通过讨论发现,在最大纠缠的条件下,参与者的收益关于噪声参数呈现出周期性的变化,且在同一周期内,随着噪声参数的增长,量子囚徒困境在不同的噪声区间出现了存在唯一纯量子纳什均衡解、两个纯量子纳什均衡解和没有纯量子的纳什均衡解的情况,在没有纯量子均衡解的两个噪声区间中,参与者会陷入类似于石头剪刀布的循环之中。说明在联合退相位噪声信道影响下,当噪声参数属于特定噪声区间时,参与者可以达成纳什均衡。     

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。     

基于量子区块链的碳配额交易模型

针对目前能源交易体系存在安全性较低、平台管理成本较高以及碳配额交易空缺的问题，提出基于量子区块链的碳配额交易模型。通过建立碳排放权分配指标体系，采用灰色关联分析法，实现碳排放权配额的初次分配，保障参与节点碳配额初始分配的公平性。利用零和博弈数据包络分析(Zero Sum Gains-Data Envelopment Analysis, ZSG-DEA)模型，计算参与交易主体碳配额利用效率和优化方案，有效促进产业结构升级。嵌入碳配额交易奖惩系统，有效保障减排低碳主体的利益。采用量子纠缠态签名智能合约，保障碳配额交易的量子通信安全，进行交易节点间的身份验证。算例分析表明，该交易架构能够有效保障碳配额分配的公平性，提高碳配额的利用效率，保障碳配额交易过程中的交易数据和用户信息安全性，为推动后量子时代的碳配额交易进程提供理论支撑与决策支持。     

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)。     

#br# 量子通信系统中基于FPGA的偏振控制

由于光子偏振态在长距离光纤中无法保持稳定,因此以偏振编码为基础的量子保密通信系统需要进行偏振控制以保持成码的正确性。在实用化量子保密通信的研究中,用现场可编程门阵列(field programmable gate array,FPGA)替代计算机作为系统的控制核心已经成为一个重要的研究方向,这种方案具有高效率、高集成度等优势。针对这种情况,提出了利用FPGA实现单光子偏振控制的方案,经实验演示证明了这套方案的有效性和稳定性,90%的成码耗时远高于计算机控制核心时的65%的最大值,相同编解码、纠错方式情况下,拥有更大的成码耗时便可以得到更高效的密钥生成。整个控制过程中FPGA和单光子探测以及电动偏振控制器（electric polarization controller, EPC）电压调节机制可以统一集成,实现偏振控制的小型化。     

基于量子框架的重卡AMT系统逻辑建模研究

针对应用传统有限状态机方法建立的行为模型存在可读性差、系统功能扩展、裁剪困难等缺点,提出将量子框架(QF)应用于重卡积械式自动变速箱(AMT)开发中.首先介绍了量子框架的基本特点及其运行机制,然后重点分析了AMT系统的工作过程,将整个系统分解为四个相互独立的活动对象,分别建立了基于量子框架(QF)的状态机模型,最后进行了实车试验.结果表明,在重卡机械式自动变速箱(AMT)开发中应用量子框架技术,显著地提高了设计效率、代码可读性以及系统的可维护性.     

和声量子遗传算法在图像配准中的应用

针对图像配准中的优化问题,利用量子遗传算法全局寻优能力强以及和声算法的微调特性,提出了一种新的和声量子遗传算法（harmony search quantum genetic algorithm, HSQGA）。并将其应用到航拍图像配准当中。仿真结果证明了该算法比原有的和声算法和量子遗传算法在图像配准参数优化过程中具有更好的优化性能。此外,利用两个标准基本测试函数对新算法进行了测试,结果表明在一定的迭代次数内,该算法对一些复杂的优化问题也能精确寻优。     

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.     

"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。     

基于量子遗传算法的正规模糊神经网络控制器设计

针对模糊神经网络控制器通常涉及的参数较多,反传播算法难于收敛的问题,提出了一种优化设计正规化模糊神经网络控制器的量子遗传算法。该方法用量子比特构成染色体,用量子旋转门进行染色体更新,用量子非门进行染色体变异,将量子位的概率幅看作两个并列的基因,因此每条染色体包含两条并列的基因链,在染色体数目相同时,可提高获得全局最优解的概率。对控制器参数随机编码建立初始群体,利用量子遗传算法进行参数优化。实验结果表明该方法是有效的。     

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。     

一种量子磷虾群融合算法及其应用

针对磷虾群算法和量子进化算法的缺陷,提出了一种量子磷虾群融合算法(quantum krill herd fusion algorithm,QKH)。该算法通过采用双链实数编码量子磷虾位置,加快收敛速度,避免量子观测的随机性和复杂性;通过利用动态调整的量子磷虾群旋转门更新磷虾位置,提升收敛精度,提高量子旋转相位的确定效率;通过改进的量子全干扰交叉策略,避免算法陷入局部最优,提升优化效率。通过经典测试函数验证了所提算法的优势。建立了QKH-BPNN空调负荷预测模型,仿真结果表明：该模型具有更好的准确性和稳定性。     

函数优化的量子蚂蚁算法

借鉴蚁群算法的进化思想,提出一种求解连续空间优化问题的量子蚂蚁算法.该算法主要包括全局搜索、局部搜索和信息素强度更新规则.在全局搜索过程中,利用信息素强度和启发式函数确定蚂蚁移动方向.在局部搜索过程中,提出了基于Delta势阱的量子搜索,以改善寻优性能,加快收敛速率.通过实例验证表明了该算法的有效性.     

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。     

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。     

求解复杂系统可靠性冗余问题的量子萤火虫算法

针对复杂系统中冗余优化设计难度大、可靠度和系统成本难以达到既定要求的问题,提出了一种量子萤火虫算法。该算法将量子理论与萤火虫算法有效融合,通过采用量子位实数编码和量子旋转门的方式,扩展了萤火虫的寻优空间,使算法的全局搜索能力和搜索效率得到提高,利用量子旋转门使量子态|0〉和量子态|1〉进行有效转换,避免了萤火虫在领域半径内大面积聚集的现象,防止了算法过早陷入局部最优值。通过基准函数和典型算例对该算法进行仿真测试和对比分析,实验结果验证了该算法的有效性和可行性。