基于通用量子门的量子遗传算法及应用

为加快量子遗传算法的参数更新速度,简化遗传操作步骤,提出了一种基于通用量子门的量子遗传算法（Quantum Genetic Algorithm with Universal Quantum Gate,UQGA）。该方法以通用量子门为逻辑计算单位,对染色体进行遗传操作。利用Hadamard门进行基础变换;通用量子门通过新的旋转角度函数,对各个基因位进行选择、变异操作;通过求解适应度函数,得到全局最优解;同时,算法经数学证明是收敛的。该算法应用到函数极值搜索和Iris数据集特征选择中。实验结果表明,UQGA具有较好的全局搜索和特征选择性能,尤其是在收敛速度、运算时间和分类准确率方面明显优于普通量子遗传算法和普通遗传算法。     

基于神经网络量子算法的多用户检测器

利用遗传量子算法和Hopfield神经网络，提出了一种融合两种算法优点的神经网络量子算法，并将其应用到CDMA通信系统的多用户检测问题中。所提算法把神经网络嵌入到遗传量子算法的每一代中，可进一步提高量子种群的适应度函数值。通过混合神经网络到GQA中，还可加快GQA的收敛速度进而减少算法的计算复杂度。另外，GQA所提供的良好初值改善了HNN的性能，嵌入的HNN也提高了GQA的性能。仿真结果证明了该方法的抗多址干扰能力和抗远近效应能力都优于传统检测器和一些应用智能算法的多用户检测器。     

基于PSO的反对称矩阵反问题的最小二乘解

针对在反对称矩阵反问题的最小二乘解求解计算中,难以从问题的原始形式出发,构造出高效的迭代算法的计算难题,提出一种基于PSO算法的反对称矩阵反问题的最小二乘解的计算算法.该算法采用以带约束条件的反问题矩阵范数作为粒子群优化算法的适应度函数,建立起最小二乘解的计算模型.算例仿真结果显示,该算法是一种高效实用的求解算法.     

基于改进量子进化算法的特征选择

特征选择作为一种数据预处理技术被广泛研究,由于其具有NP难度而一直无法找到有效的求解方法。鉴于目前在特征选择中应用较多的遗传算法存在进化机制上的局限,将量子进化算法应用于特征选择,提出了一种基于改进量子进化算法的特征选择算法。以增加种群多样性和提高寻优性能为目标改进了量子进化算法,以Fisher比和特征维度为特征子集的评价准则构造了适应度函数,按照量子进化算法求解优化问题的步骤设计了特征选择算法。使用UCI数据库中的数据集对三种算法作对比验证,通过识别重要特征、提高学习算法性能、特征选择效率三组实验,结果表明,该算法能够识别出重要特征,并随着数据集特征维度升高,特征选择的性能逐渐优于对比算法,到了高维数据集,特征选择效率明显优于对比算法。     

改进的量子遗传算法及应用

针对量子遗传算法在函数优化中迭代次数多,容易陷入局部最优解等缺点,提出新的量子遗传算法.该算法的核心是采用新的量子旋转门调整策略对种群进行更新操作,有效保证了种群的多样性,可以避免算法陷入局部最优解,提高了算法的全局寻优能力.同时能以更快的速度收敛于全局最优解.通过对典型复杂函数测试,计算结果表明,提出的算法优化质量和效率都要优于传统遗传算法和一般量子遗传算法.     

基于量子遗传算法的盲源分离时延优选

为解决时间信号盲源分离算法中的时延选择问题,提出一种基于量子遗传算法的时延自适应优化选择方法。采用量子编码表征染色体,量子坍塌的随机观察结果与时延相结合形成种群,对若干时延二阶相关矩阵同时近似对角化,利用分离信号的负熵构造适应度函数,通过量子旋转门算子来实现染色体的演化更新。语音信号的盲源分离实验结果表明,与其他方法相比,该方法具有更好的种群多样性和更快的收敛速度及全局寻优的能力。     

优化的RBF网络在特征选择中的应用研究

提出了一个自适应量子粒子群优化算法,用于训练RBF网络的基函数中心和宽度,并结合最小二乘法计算网络权值,对RBF网络的泛化能力进行改进并用于特征选择.实验结果表明,采用自适应量子粒子群优化算法获得的RBF网络模型不但具有很强的泛化能力,而且具有良好的稳定性,能够选择出较优秀的特征子集.     

基于量子粒子群优化算法的最小交叉熵多阈值图像分割*

首先提出了一种减少最小交叉熵适应度函数计算量的快速递推编程技术;然后采用量子粒子群优化法搜索获得图像最优多阈值,并用该阈值实现图像分割。实验分析结果表明,该方法具有实现阈值寻优速度快,最优解对应图像分割效果好的特点。     

一种变步长双链量子遗传算法

为了克服基于实数编码和目标函数梯度信息的双链量子遗传算法存在收敛速度慢和鲁棒性较差的缺点,提出了一种自适应变步长双链量子遗传算法。建立了反映目标适应度函数变化率的数学模型;构造了反映当前搜索点处适应度相对变化率的变步长系数k,通过调整k以改善适应度函数相对变化率从而优化解的搜索过程;提出了在迭代过程中的量子旋转门转角[Δθ]更新策略。针对复杂连续函数的优化问题,设计了算法的具体实施步骤,并对典型复杂函数进行了仿真。结果表明,该算法有效地改善了双链量子遗传算法的鲁棒性,加快了算法收敛速度。     

量子遗传算法在网络误用检测中的应用

针对基于网络误用入侵检测模型的入侵特征库存在构建困难、自适应差的缺点,提出了一种基于量子遗传算法的入侵特征库优化算法.首先通过提取网络协议中容易被攻击和修改的特征值,经组合和编码后构成算法的初始种群.然后以检测率和误警率为评价指标设计适应度函数,利用量子旋转门更新染色体,随着算法的运行逐代优化种群.实验仿真结果表明:该算法在寻优能力与收敛速度上均优于对应的遗传算法;经该算法优化后的种群,检测能力强、自适应性好.     

An application of a GA with Markov network surrogate to feature selection

Surrogate models of fitness have been presented as a way of reducing the number of fitness evaluations required by evolutionary algorithms. This is of particular interest with expensive fitness functions where the time taken for building the model is outweighed by the savings of using fewer function evaluations. In this article, we show how a Markov network model can be used as a surrogate fitness function for a genetic algorithm in a new algorithm called Markov Fitness Model Genetic Algorithm (MFM-GA). We thoroughly investigate its application to a fitness function for feature selection in Case-Based Reasoning (CBR), using a range of standard benchmarks from the CBR community. This fitness function requires considerable computation time to evaluate and we show that using the surrogate offers a significant decrease in total run-time compared to a GA using the true fitness function. This comes at the cost of a reduction in the global best fitness found. We demonstrate that the quality of the solutions obtained by MFM-GA improves significantly with model rebuilding. Comparisons with a classic GA, a GA using fitness inheritance and a selection of filter selection methods for CBR shows that MFM-GA provides a good trade-off between fitness quality and run-time.     

基于遗传算法的函数级别软件错误定位

针对软件开发过程中的错误定位问题,提出一种以函数调用路径和遗传算法为基础的软件错误定位方法FGAFL。将软件测试中的错误定位问题转化为组合优化问题,结合函数调用路径对错误定位的影响构建适应度函数。通过遗传算法在候选种群中迭代搜索具有较高可疑度的候选错误分布,得到最优解。根据最优解对程序中的函数按可疑度进行排序,依次检查函数并定位错误的具体位置。实验表明,FGAFL方法可以有效降低运算量并缩减代码审查的范围,提高错误定位的精度和效率。     

森林优化特征选择算法的增强与扩展

特征选择作为一种重要的数据预处理方法，不但能解决维数灾难问题，还能提高算法的泛化能力.各种各样的方法已被应用于解决特征选择问题，其中，基于演化计算的特征选择算法近年来获得了更多的关注并取得了一些成功.近期研究结果表明，森林优化特征选择算法具有更好的分类性能及维度缩减能力.然而，初始化阶段的随机性、全局播种阶段的人为参数设定，影响了该算法的准确率和维度缩减能力；同时，算法本身存在着高维数据处理能力不足的本质缺陷.从信息增益率的角度给出了一种初始化策略，在全局播种阶段，借用模拟退火控温函数的思想自动生成参数，并结合维度缩减率给出了适应度函数；同时，针对形成的优质森林采取贪心算法，形成一种特征选择算法EFSFOA（enhanced feature selection using forest optimization algorithm）.此外，在面对高维数据的处理时，采用集成特征选择的方案形成了一个适用于EFSFOA的集成特征选择框架，使其能够有效处理高维数据特征选择问题.通过设计对比实验，验证了EFSFOA与FSFOA相比在分类准确率和维度缩减率上均有明显的提高，高维数据处理能力更是提高到了100 000维.将EFSFOA与近年来提出的比较高效的基于演化计算的特征选择方法进行对比，EFSFOA仍具有很强的竞争力.     

一种χ2统计-遗传算法的特征提取技术研究

特征提取技术是决定分类结果优良的主要因素,传统特征提取方法存在许多不足,诸如,当类别和特征分布高度不平衡时,不能有效地处理低频词;对于单个特征的处理不当,导致局部最优解的产生。针对特征提取技术中的问题,提出基于χ2统计-遗传算法的特征提取算法,此方法将词条的χ2统计值引入到特征向量中,将此类向量作为遗传算法的初始种群进行启发式搜索,与此同时,针对特征提取的性质,提出新的适应度函数和交叉规则。实验表明,基于χ2统计-遗传算法的特征提取算法能选择出准确表征文本类别的特征项,将其运用到文本分类系统中能有效地提高文本分类的准确率。     

基于互信息的分类属性数据特征选择算法

提出了一种针对分类属性数据特征选择的新算法。通过给出一种能够直接评价分类属性数据特征选择的评价函数新定义,重新构造能实现分类属性数据信息量、条件互信息、特征之间依赖度定义的计算公式,并在此基础上,提出了一种基于互信息较大相关、较小冗余的特征选择（MRLR）算法。MRLR算法在特征选择时不仅考虑了特征与类标签之间的相关性,而且还考虑了特征之间的冗余性。大量的仿真实验表明,MRLR算法在针对分类属性数据的特征选择时,能获得冗余度小且更具代表性的特征子集,具有较好的高效性和稳定性。     

遗传算法取代时间的分析

在遗传算法中,选择算子具有重要的地位,评价选择算子的标准是取代时间。给出了取代时间的严格定义。对于基于比例的选择算子,详细地分析了算子的取代时间,证明了取代时间的阶不依赖于适应度函数的选取和初始群体的分布,为O（lnN)阶。同时,提出了取代时间系数的概念,可以定量地衡量不同的选择算子、适应度函数变换方式的作用。分析了常见的适应度函数的变换对取代时间系数的影响。     

基于黑寡妇算法的特征选择方法研究

特征选择通过去除无关和冗余特征提高学习算法性能,本质是组合优化问题。黑寡妇算法是模拟黑寡妇蜘蛛生命周期的元启发式算法,在收敛速度、适应度值优化等方面具有诸多优势。针对黑寡妇算法不能进行特征选择的问题,设计五种优化策略：二进制策略、“或门”策略、种群限制策略、快速生殖策略以及适应度优先策略,提出黑寡妇特征选择算法（black widow optimization feature selection algorithm,BWOFS）和生殖调控黑寡妇特征选择算法（procreation controlled black widow optimization feature selection algorithm,PCBWOFS）,从特征空间中搜索有效特征子集。在多个分类、回归公共数据集上验证新方法,实验结果表明,相较其他对比方法（全集、AMB、SFS、SFFS、FSFOA）,BWOFS和PCBWOFS能找到预测精度更高的特征子集,可提供有竞争力、有前景的结果,而且与BWOFS相比,PCBWOFS计算量更小,性能更好。     

基于相对分类信息熵的进化特征选择算法*

针对离散值数据集特征选择问题,提出基于相对分类信息熵的进化特征选择算法.使用遗传算法搜索最优特征子集,使用相对分类信息熵度量特征子集的重要性.以相对分类信息熵作为适应度函数,使用二进制编码问题的解,使用赌轮方法选择产生下一代个体.实验表明文中算法在测试精度上优于其它方法,此外还从理论上证明文中算法的可行性.     

模拟电路故障特征提取的小波基选取方法研究

小波技术在高维故障特征数据的压缩及敏感信号提取已被广泛应用,但小波基的选取没有一个统一的标准;通过实际采样信号数据的小波分解、特征向量计算、波动性函数比较等技术对小波基函数的选取进行了研究;最后通过综合小波分析、神经网络等技术的模拟电路故障诊断系统的诊断实例验证了所提选取方法的有效性;使用9种常用小波基函数,分别对采样信号进行分解并计算波动性函数,并在模拟电路故障诊断系统进行验证;小波基函数bior2.2的波动较小且与诊断结果一致。