一种改进的蚁群算法在垃圾运输问题中的应用

针对基本蚁群算法收敛速度慢、易陷于局部最优解等缺陷,将量子算法中的态矢量和量子旋转门引入到蚁群算法中,并分别表示和更新信息素,提出一种改进的蚁群算法--量子蚁群算法(QACA),使算法具有更好的种群多样性和全局寻优能力.结合垃圾运输问题,从数值计算上探索了改进的蚁群算法的优化能力,并与遗传算法和基本蚁群算法进行了对比,测试结果表明,改进算法获得的结果比遗传算法和基本蚁群算法更优,表明该算法是求解垃圾运输问题的一种有效算法.     

量子隐形传态电路的优化设计

利用遗传算法完成量子隐形传态电路的优化设计,提出一种新的一维编码模式,即利用码的位置信息来存储量子门的位置信息. 这种编码模式与其他模式相比效率更高,编解码更方便,能很好地反映量子电路的结构,且容易推广到多位量子电路. 设计了合适的适应度函数,分两部分判断电路的功能和性能,详细探讨了遗传算法的改进及相应实验结果,得到了更优的电路结构.     

量子算法在数字语音领域的应用

量子信息论是量子计算与量子信息理论中的核心内容,其与理论物理、量子化学以及计算机数字语音处理等都有着密不可分的联系,属于交叉学科的知识.将量子算法与计算机数字语音处理技术结合起来,综述了量子信息论近年来在该领域的最新应用,并就其进一步的发展前景进行了展望.     

电网PMU优化配置中IGASA算法的研究

在函数的全局优化算法中,模拟退火算法和遗传算法的结合可较好地改善算法的性能．基于这个思想将适合全局搜索的遗传算法（GA）和适合局部搜索的模拟退火算法（SA）相结合,提出改进的遗传模拟退火混合算法（IGASA）来解决电力系统PMU优化配置问题．该算法用于遗传算法中选择概率的计算以增强算法的收敛性,在交叉和变异概率的选取上也进行了改进,以进一步改善算法的稳定性和收敛性,并提高了收敛速度和防止种群早熟现象．5个仿真试验验证了该算法的可行性和有效性．     

基于遗传禁忌混合算法的静态电压稳定裕度计算

提出一种基于遗传禁忌混合算法的静态电压稳定裕度计算的新方法．该方法将全局搜索能力强的遗传算法和局部搜索能力强的禁忌搜索算法结合在一起，通过改进的连续潮流法计算，可快速而准确地获取系统最大静态电压稳定裕度，并在一定程度上弥补遗传算法和禁忌搜索算法单独使用的不足．应用该混合算法对IEEE14节点系统进行仿真计算，验证了该方法可行且有效．     

改进型自适应遗传变异算子

通过分析二进制遗传算法中基因频率对种群多样性的影响，提出了一种新的能维持种群多样性，且具有自适应变异概率的变异算子，该算子染色体每一基因位上的变异概率由其基因位上的基因频率自适应决定．仿真实验表明该算子不但能保持种群的多样性．而且能有效提高算法的收敛速度．     

非对称量子码的构造

量子纠错码在量子通信和量子计算中起着非常重要的作用,近几年在量子通信和量子计算中由于量子相位翻转的错误概率大于量子比特翻转的错误概率,导致量子相位翻转的错误对量子计算的影响要高于量子比特翻转错误对它的影响,因此有必要在非对称信道上构造非对称量子纠错码去保护量子通信和量子计算.笔者用经典的Reed-Solomon码构造一...     

可扩展量子比较器的设计

提出了一种新型量子比较器的设计方法,利用这一理论说明了一位量子比较器和可扩展量子比较器工作原理,并设计出了相应的量子比较器的逻辑电路图.最后通过一个n 1位的量子比较器,给出可扩展量子比较器的逻辑电路图和工作过程.     

改进的Moya1表示与自旋-1/2(或二能级)系统的量子相位

对自旋－1／2系统（或二能级系统）归一化纯态的Moya1表示进行改进,即增加一个本来不应该忽略的相因子,以适合量子演化的完全描述和量子相位的准确计算。以此改进的Moya1表示,我们简化了自旋－1／2 系统的Pancharatnam相位 (Aharonowv-Anandan相位（或Bloch相位）和Berry相位是其特例）表达式的求出。     

基于量子粒子群优化支持向量 回归算法计算煤层气体含量的预测

煤层气是近一二十年在国际上崛起的洁净、优质能源和化石能源的新矿种,其地质研究对能源的补充意义重大.该文对煤层气的含量提出基于量子粒子群优化的支持向量回归算法进行预测.支持向量回归算法是一种非线性的基于内核的回归方法,它可以采用良好的函数逼近,并具有泛化能力.由于支持向量回归算法的参数对预测性能影响很大,量子粒子群优化在本研究中可用于选择支持向量回归算法参数.本文选用基岩深度,煤层的厚度,断层间的水平距离,煤的挥发分作为煤层气含量的预测模型的输入向量,经过比较量子粒子群优化的支持向量回归算法和支持向量回归算法之间的煤层气体含量的预测误差表明,量子粒子群优化得到的煤层气体含量的预测精度均高于支持向量回归算法的精度.     

基于agent的并行GA

采用遗传进化技术和多智能体技术相结合的方法，实现了基于粗粒度的并行GA，该方法有利于改进遗传算法的性能，提高遗传算法搜索的效率，文中讨论的并行模型，最大的特点是通讯开销小。     

基于Pareto Front的多目标遗传算法

多目标优化是非常重要的研究课题，基于Pareto Optimum的多目标遗传算法非常适合于求解多目标优化问题．本文讨论了不带参数的多目标遗传算法，提出了用排除的办法来构造进化群体的非支配集，同时给出了新群体的构造方法。实验结果表明，本文所讨论的方法比较国际上已有的方法具有更快的收敛速度。     

一种改进的基于实数编码的遗传算法

对传统遗传算法在编码方案及遗传操作中存在的局限性以及非成熟收敛现象，提出一种改进的基于实数编码的遗传算法，该方法以实数编码代替二进制编码，有效地解决了传统遗传算法中海明悬崖，计算精度等问题，根据适应度值父染色体进行变异操作，减轻传统遗传算法中变异操作所存在的盲目性，并对遗传算法可能出现的非成熟收敛现象进行预测，从而能极大的避免非成熟现象的产生。     

基于蚁群信息素的混合遗传算法

针对遗传算法无法利用系统中的反馈信息,求解到一定范围时出现的冗余迭代,求精确解效率低,局部搜索能力弱、易出现"早熟"现象等缺点,提出了采用蚁群信息素对均匀划分子空间进行标定,利用留存的信息素控制选择操作,采用双重选择算子、基于"杂交优势"思想的交叉算子和自适应变异算子的混合遗传算法.实验表明,采用该算法的分类系统的分类准确率、算法运行时间、算法收敛性等方面性能均有明显提高.     

一种有效的基于实数编码的多目标遗传算法

针对实数编码遗传算法提出了一种通用的基于决策变量的复合交叉算子,并将之用于多目标优化问题的求解,算法效果良好,一定程度上解决了高维多目标优化问题在用遗传算法求解时收敛性差这一难题.通过实验首次揭示了交叉点数对多目标遗传算法性能的影响.     

用混合遗传算法求解N皇后问题

N皇后问题是NP难题,一般求解的方法为回溯法.当问题规模较小时用回溯法能有效求解,但当问题规模较大时其求解时间耗费非常巨大.该文提出用局部搜索与简单遗传算法(SGA)相结合的混合遗传算法(HGA)来求解N皇后问题,用N皇后的约束条件作为遗传算法的适应值函数.设计了高效的染色体编码、初始化种群方法、遗传算子以及局部搜索算子,使它们符合求解问题的需要.通过与回溯法和相关的遗传算法比较,实验证实了用混合遗传算法求解N皇后的有效性.     

狭义遗传算法的遗传机理分析

根据狭义遗传算法(RGA)在区域搜索中的特点，讨论了RGA在同一搜索区域上遗传选择操作的封闭性，同时讨论了RGA在邻接区域和非邻接区域上遗传交叉算子的一些重要性质。这些性质确保新群体中个体之间的距离水断缩小，并使分布在不同搜索区域上的个体逐步聚集到某一个目标搜索区域上。     

一种基于全新算法的盲最佳多用户检测器

提出一种模拟基因工程技术优化算法,进而基于MMSE准则提出一种全新的模拟基因工程技术优化算法的盲最佳多用户检测器SGE(Blind Optimal Multi-User Detector of Simulating Ge-netic Engineering,SGE),盲最佳多用户检测.该算法源于通过基因校正改善物种品质的思想,是一种进化算法,其算法效率远远高于遗传算法等.SGE盲最佳多用户检测只需要很少的用户信息就能够获得和Verdu多用户检测器相同的误码率性能.     

用基于快速排序的MOGA求解MOKP

0/1背包问题是一类典型的组合优化问题,且属于NP完全问题.多目标遗传算法通过一次运行可以搜索到多个解,同时具有比规范遗传算法更强的求解问题的能力.该文将基于快速排序的多目标遗传算法应用于多目标0/1背包问题中,可以快速、高效地找出多个最优解.实验表明该方法能够获得满意的效果.     

厄米量子相位算符的圈表示

提出厄米量子相位算符的圈表示，以有限维们下杖空间的量子态与复平面上的一个整函数一一对应的析表示为基础，引入任意位相态的圈表示，把位相态表示为一个在复平面上的沿具有相同半径的圆路径的路径积分，进而把位相态的圈表示推广至量子相位算符的圈表示，获得了圈表示解析表示之间的关系。