一种改进的量子退火算法

为了进一步提高量子退火算法在优化问题上的计算速度,对量子退火算法如何移动到新解这个问题的方法进行改进,将粒子透射系数引入到量子退火算法中,并通过透射系数来确定是否移动到新解.实验结果表明:通过透射系数确定新解的方法能在更短的计算时间内得到最优解.     

采用横向铁磁交互作用的随机场伊辛模型的量子退火算法

通过数值对角化分析瞬时基态和第一激发态,提出基于横向铁磁交互的量子退火的优势.采用贝特近似作为实际执行的算法,给出相应的模拟结果,并对传统量子退火、基于横向铁磁交互作用的量子退火和模拟退火算法的剩余误差进行比较.结果表明:所提算法能有效提高传统量子退火在随机场伊辛模型中的收敛速度;利用量子波动的选择空间可以有效实现量子退火的最佳性能.     

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.     

海南环东线旅游路线碳足迹计算与分析

旅游“碳足迹”是衡量旅游活动对环境影响的一种新方法。文章将旅游活动整体看作多因子组成的线性活动,并以海南环东线三天两晚旅游路线为例,运用旅游饮食、住宿、交通、游憩、购物、娱乐及废弃物七个构成因子的碳足迹模型计算旅游者在旅游活动过程中产生的碳足迹,主要结论如下：1）旅游活动是一个资源消耗性的活动,CO2排放量较高,为全国人日均碳排放的6.8倍;2）旅游线路产品的碳足迹主要集中在交通、饮食与住宿三方面,占总碳足迹的近98％;其中以交通碳足迹所占比重最大,为76.784％;饮食与住宿碳足迹分别占13.024％、8.078％;3）旅游活动中游客的废弃物碳足迹占总碳足迹的2.066％;4）游、购、娱三项构成因子在总碳足迹中的比例均不足1％。针对各项构成因子的碳排放特点,文中还提出了减少碳排放的措施与建议。     

基于CFOA的2-D网格多涡卷混沌电路的设计

采用电流反馈放大器(CFOA)设计了一个由3个积分电路、2个非线性电路和1个减法电路组成的混沌电路,该电路能产生网格多涡卷混沌吸引子.CFOA具有很好的频率特性和端口特性,使得该电路结构简单、中心频率高、有源器件少.电路仿真结果与数值仿真结果一致,仿真结果表明电路设计正确.     

开放食品工程实验室 培养创新人才

实践教学环节是巩固理论知识和加深对理论认识的有效途径,是培养具有创新意识的高素质工程技术人员的重要环节;针对食品专业实验教学的现状,积极探讨开放实验室的实验教学模式,着力提高学生的主动性、动手能力和创造力以及科研能力,增强实验教学效果。     

基于SNMP的网络管理系统设计初探

网络管理系统是一个软硬件结合以软件为主的分布式网络应用系统,本文详细介绍了网络管理系统的功能和体系结构模型,并阐述了SNMP协议下网络管理系统的设计原则及设计目标。     

基于C4.5算法的敏感图像检测方法

提出一种基于2次C4.5分类的敏感图像检测方法.该方法利用Daubechies小波和灰度共生矩阵提取图片的纹理信息,在HSI空间和YCbCr空间提取颜色特征,进行第1次基于C4.5算法的训练和分类;对分类生成的0,1二值空间进行特征提取,将所有特征分量融合进行基于C4.5算法和2次训练和分类.基于2次训练生成的规则进行敏感图片的检测.实验结果表明,该方法对于敏感图片分类正确率达93.3%以上,与基于颜色和纹理特征的直接检测方法相比,进一步提高了正确识别率.     

天然气集输异常工况处理的主动学习方法

然气集输系统中出现的各种异常工况对安全生产构成威胁。提出一种针对异常工况的智能处理系统模型。该模型的异常工况类别预测模块采用了主动学习方法,既可实时、准确地判断异常类型,又可为系统向专家推荐合适的处理方案奠定基础。首先,利用SCADA系统实时监控数据并进行异常工况预警。其次,通过主动学习算法对预警异常工况进行分类,从而为构建异常工况推理机提供支撑,进而实现智能决策辅助。实验结果表明,该方法能节约专家成本,很好地识别异常工况类型,提出合理的解决方案。     

改进BAS-Elman神经网络的港口货运量预测

为对港口货运量进行科学精准预测,结合天牛须搜索(beetle antennae search,BAS)算法和蒙特卡洛准则,提出一种改进BAS的Elman神经网络预测模型.收集上海港1989—2018年内的货运量以及当地各项经济数据,建立港口货运量预测评估体系,对各项影响因子进行预处理,消除数据冗余信息对预测的影响,对预处理后的数据进行仿真测试.实验结果表明,该模型预测准确率可达95％以上,有效地提高了港口货运量的预测精度.