用于高维函数优化的多智能体量子进化算法

基于智能体的竞争和学习能力、量子计算理论及生物进化策略,提出了一种新的优化方法——多智能体量子进化算法．一个智能体代表优化问题的一个可能解,所有的智能体都以量子染色体表示．该算法将智能体分布于多智能体网络环境中,智能体之间通过量子进化来实现竞争及学习,以提高个体的竞争能力．理论证明该算法具有全局收敛性．实验结果表明,该算法具有强的全局寻优能力及快速搜索能力。     

仿生优化算法及其在函数优化问题中的应用

仿生优化算法是一类解决函数优化问题的更好方法.本文基于遗传算法、蚁群算法和人工鱼群算法的基本原理,探讨了各种算法在求解函数优化问题中的应用.两个典型函数极值问题的数值实验表明,这三种仿生优化算法在求解函数优化问题中具有良好的优化性能,其中鱼群算法性能最好.     

量子进化算法在BP网络模型优化中的应用

BP网络的研究多年来主要集中于网络的结构与参数优化上,却忽略了对训练过的BP网络模型本身的优化.针对上述问题,提出了一种解决BP网络模型优化的量子进化算法.通过裙座锻造结构参数优化设计实例,表明量子进化算法较好地实现了BP网络模型的优化设计,可有效解决实际工程的优化问题.     

量子粒子群优化算法在运输问题中的应用

将量子粒子群优化算法用于运输问题求解,用粒子的位置表示运输路径,建立运输路径的数学模型.与遗传算法相比,实验结果表明,该算法在求解运输问题中提高了最优解的精度,且具有较快的收敛速度.     

蚁群算法在一般函数优化求解中的应用

蚁群算法是一种新型的模拟仿生算法.本文通过在一般函数优化求解中的应用,说明该算法与启发式因子相结合可有效地避开陷入局部最优的弊病.显示了蚁群算法在连续空间优化问题中的应用前景.     

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.     

量子粒子群算法优化钢结构截面

传统的钢结构截面优化方法通常采用试算法,很难获得全局最优解。在经典粒子群算法的基础上,通过研究量子行为,提出了基于量子行为的粒子群算法,并将其应用于钢结构截面优化设计,详细描述了算法的原理和优化步骤,给出了钢结构截面优化数学模型,并对两个典型工程优化实例进行了实验验证。典型算例的截面优化结果表明:与PSO算法及传统试算法相比,该算法的优化结果最好,在满足工程要求的前提下,截面参数合理,截面面积最小,经济性得到了明显提高。     

量子近似优化算法在约束优化问题中的应用

结合量子近似优化算法求解约束优化问题是当前的研究热点之一,针对约束优化问题,提出了一种在量子 近似优化算法框架中的改进方法;此方法融合了二次无约束二元优化和量子交替拟设这两种方法,同时将在目标 算符中添加惩罚项,将不符合解的期望值降低和通过对问题进行求解得出问题的可行解,将混合操作限定在可行 解空间内融合在一起;优点在于在求解约束优化问题时,能减小迭代次数,快速并准确地得到问题的最优解;以最 小顶点覆盖问题为例,将提出的方法与几种已有的方法做比较,得出方法能减小量子近似优化算法的迭代次数,使 得能够高质量和高效率的求解约束优化问题。     

模板技术在量子逻辑电路优化中的应用

为了提高量子逻辑电路的优化技术,减小量子逻辑电路的代价,对现有的模板技术进行了研究与分析,发现Maslov等人的模板并不完整,体现在模板控制线的寻找不完全.通过引入模板控制线库的概念,重构了模板,重构后的模板并不实现恒等的函数功能,但通过模板生成法则,可以动态生成更多的有效模板.同时给出了利用该方法优化量子逻辑电路的算法.数值实验结果表明,应用重构后的模板优化所有的3×3可逆电路,电路门数量均值减小到6.22.该方法在利用模板优化量子逻辑电路方面具有更高的效率和匹配成功率.     

融合模拟退火的改进教与学优化算法

针对教与学优化算法(TLBO)在解决复杂优化问题时易陷入局部最优的缺点,提出了一种融合模拟退火的改进教与学优化算法(SAMTLBO).该算法首先对学员阶段做了改进,在保持TLBO算法简单易实现的基础上,利用模拟退火方法增强了TLBO算法摆脱局部最优的能力,最后用4种算法对8个无约束优化函数仿真.数值实验表明,该算法无论是在收敛速度还是在寻优精度上均优于基本TLBO算法、ETLBO算法和DMTLBO算法.     

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。     

基于量子遗传算法的无线传感网络路由优化

考虑到无线传感网络(WSN)传感器节点的能量有限性,分析了WSN的网络模型和能量模型,提出一种基于改进量子遗传算法的路由优化算法.利用复杂连续函数测试,验证了算法的性能和可行性.经仿真分析,证明该算法应用于WSN路由优化问题时,能更快速和更稳定地求解最小能量代价的数据传输路径,从而减少WSN传感器节点的能量消耗,延长整个WSN网络的使用寿命.     

粒子群优化算法及其应用

粒子群算法是一种群体优化算法,详细介绍了粒子群算法的基本原理、参数选择及其应用领域.     

一种新量子遗传算法及应用

基于量子位测量的二进制量子遗传算法,在用于连续问题优化时,由于频繁的解码运算,严重降低了优化效率。针对这一问题,提出了一种基于量子位相位编码的量子遗传算法。该方法直接采用量子位的相位对染色体进行编码,采用量子旋转门实现染色体上相位的更新,采用Pauli-Z门实现染色体的变异。在该方法中,由于优化过程统一在空间[0,2π]n进行,而与具体问题无关,因此,对不同尺度空间的优化问题具有良好的适应性。以函数极值优化为例,仿真结果表明该方法的搜索能力和优化效率明显优于普通量子遗传算法和标准遗传算法。     

改进遗传模拟退火算法在多峰值函数优化中的应用

采用均匀变异算子及自适应最优保存的方法对遗传模拟退火算法进行了改进,并用MATLAB实现了改进算法中各算子的编程方法．实例证明该算法能够在多峰值函数优化中较快的收敛至最优解．     

遗传算法在双正弦函数受限优化中的应用

文章采用遗传算法,研究了受限双正弦函数的极大值问题,给出了遗传算法寻优后的结果,并就遗传算法参数对受限双正弦函数寻优的收敛性进行了分析,结果表明遗传算法准确且较快地得到了双正弦函数的极大值。     

基于量子的免疫进化算法及收敛性

分析和探讨了量子计算的特点及免疫进化机制,并结合免疫系统的动力学模型和免疫细胞在自我进化中的亲和度成熟机理,提出了一种基于量子计算的免疫进化算法。该算法使用量子比特表达染色体,通过免疫克隆、记忆细胞产生和抗体相似性抑制等进化机制可最终找出最优解,它比传统的量子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。在此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。     

基于形状空间的克隆选择算法用于多峰值函数的优化

在简单描述免疫系统中克隆选择和形状空间理论的基础上，提出了一种新的、基于形状空间的克隆选择算法．将该算法用于对多峰值函数的寻优，能得到很好的结果；借用遗传算法的积木块假设对该算法的收敛性进行分析，证明了本算法在满足一定前提条件下，能够以趋近于1的概率收敛．