多宇宙并行量子遗传算法

提出了一种多宇宙并行量子遗传算法,并从理论上证明了算法的全局收敛性.算法中将所有的个体按照一定的拓扑结构分成一个个独立的子群体,称为宇宙;采用多状态基因量子比特编码方式来表达宇宙中的个体;采用通用的量子旋转门策略和动态调整旋转角机制对个体进行演化;采用量子非门实现量子变异以阻止早熟收敛;各宇宙独立演化,宇宙之间采用最佳移民和量子交叉操作来交换信息,提高算法的执行效率.将该算法与独立分量分析算法相结合,提出一种盲源分离新方法.仿真结果表明:新方法比采用常规遗传算法和量子遗传算法的盲源分离方法具有明显的高效性.     

基于批处理和核函数的非线性盲源分离算法

针对基于核函数的非线性盲源分离算法性能对核函数及其参数选择依赖性强这一问题,提出采用批处理方法代替聚类和核主成分分析方法来构造低维近似子空间的正交基,以改进基于核函数的非线性盲源分离算法对核函数及其参数变化的稳健性,并对这种改进的非线性盲源分离算法进行了完整的分析.通过仿真实验,对分离信号与源信号求相似度,可以看到提出...     

联合非高斯性和非线性自相关的有噪盲源分离算法

现有的盲源分离算法往往利用信号某一方面的统计特性来分离信号,例如:利用信号的非高斯特性,或者利用信号的时序特性。在实际应用中,信号往往是具有这两种特性信号的混合,采用信号某一方面的特性往往不能够成功的分离出信号。现有的盲源分离算法往往不考虑噪声的影响,但在实际应用中,噪声的影响是不可避免的。当源信号具有非高斯性和非线性自相关特性时,提出了联合非高斯性和非线性自相关特性的有噪盲源分离算法。计算机仿真表明了提出算法的有效性,和现有的基于非高斯性和非线性自相关特性的有噪盲源分离算法相比,提出算法具有更好的信号分离性能。      

一类基于非线性PCA准则的复数信号盲分离算法

在阵列信号处理过程中，经常遇到复数信号盲分离问题。例如，卷积混合型的源信号的盲分离；声纳信号盲分离。本文提出了一类基于非线性准则的复数信号盲分离算法。将非线性函数引入学习过程，由算法自动调节学习速率。计算机仿真实验验证了算法的有效性，文中给出了验证结果。     

后非线性混合盲信号分离的一种新算法

本文提出了一种新的后非线性混合盲信号分离算法.现存算法大多需要额外的附加源信号信息,才能实现信号的分离,使盲分离变成了半盲分离.鉴于此,本文提出了一种不需要任何附加信息的全盲分离算法.首先,通过微分变换将后非线性混合模型变换成形式如同线性瞬时混合模型的形式,并论证了源信号的微分形式保留了源信号的统计特征.这样,就使非线性问题得到大大简化.其次,利用信号的相火特性建立目标函数及递推方式,用LMS算法使目标函数达到最小值,从而实现了盲信号分离的目的.最后,通过计算机仿真试验验证了本文算法的可行性和有效性.与现存算法相比,本文算法计算量小,收敛速度快,实时性好,实现了全盲分离.     

改进的变步长维纳系统盲源分离方法

基于非线性盲源分离的维纳系统算法中,采用固定步长导致算法的收敛速度和稳态误差之间存在矛盾,直接影响分离算法的性能。为了解决该问题,提出了基于非线性函数的变步长维纳系统盲源分离方法。该方法将更新的步长以非线性函数的形式引入到分离算法中,使得稳态时参数更新的步长尽可能小,以避免发生振荡。变步长算法在分离过程中的每次更新都会使步长自动进行合理的调整,使得收敛速度提高了53%,误差减小了45%。实验仿真表明,相对原算法,提出的维纳系统盲源分离方法可以更好地分离出信源信号,而且具有较小的误差和较快的收敛速度。     

基于量子遗传算法的多通道通信信号盲反卷积算法研究

本文在分析多输入多输出盲反卷积的网络结构和算法模型的基础上，提出了一种基于输出信号上下文信息的盲反卷积算法，并提出一种采用量子遗传算法的新的优化求解方法，对仿真的通信信号分离的结果表明算法的有效性。     

基于遗传算法的超亚高斯混合信号盲分离

针对基于扩展信息最大化算法的盲源分离算法在分离超亚高斯混合信号时依赖于信号的峭度估计且对初始分离矩阵和步长较为敏感的问题,提出了一种基于遗传算法的盲源分离算法。该算法以分离信号之间的互信息作为代价函数,采用非多项式函数的逼近方法解决了互信息求解过程中涉及到的负熵的计算问题,用遗传算法代替梯度寻优算法最小化代价函数。仿真结果表明:在分离超亚高斯混合信号时,该算法计算简单,鲁棒性好,迭代100次时性能指数值达到0.025 5,分离性能优于基于扩展信息最大化算法的盲源分离算法。     

基于非高斯性和广义复杂度寻踪的盲源分离算法

现有的盲源分离算法往往利用信号某一方面的统计特性来分离信号,例如:利用信号的非高斯特性,或者利用信号的时序特性.在实际应用中,信号往往是具有这两种特性信号的混合,采用信号某一方面的特性往往不能够成功的分离出信号.当源信号具有非高斯性和非线性预测特性时,提出了基于非高斯性和广义复杂度寻踪的目标函数,最小化该目标函数,提出了一个梯度下降的盲源分离算法.计算机仿真表明了提出算法的有效性,和现有的盲源分离算法相比,提出算法具有更好的信号分离性能.     

基于NPCA的盲源分离算法

主要讨论了基于非线性主分量分析(NPCA)的盲源分离,从理论与实验2个方面详细分析了算法的特性与效果。针对算法中的非线性函数选择的问题,采用了在线统计的方法,即根据不同的输入信号选择不同的非线性函数。从实验结果可以看出,该方法不仅可以很好地解决源信号为亚高斯信号混合的盲源分离问题,而且对源信号为亚高斯和超高斯信号混合的盲源分离问题也取得了很好的效果。     

改进的萤火虫群优化算法及其非线性盲源分离

摘要：根据萤火虫算法的特点,针对萤火虫算法较早进入局部收敛的不足进行改进,引入了“挡板效应”的方法,扩大种群多样性,并提出了BGSO算法。在分析了非线性盲源分离模型的基础上,利用系统两次遍历萤火虫群,比较评价函数,获得最优解的方式。其有效性被仿真结果所证实。     

基于球面多区域划分的并行量子遗传算法

论文提出一种基于球面解空间划分的量子遗传算法,引入多区域并行搜索的机制,制定了群间的染色体置换策略,设计了新的量子变异操作,并以种群退化的程度来确定变异的概率。通过理论分析证明了该算法能够以概率1收敛到全局最优解。在组合优化和连续优化问题的实验中,该算法能够以较快的速率收敛到目标值,收敛过程相对平稳,降低了早熟现象产生的概率,表现出了良好的性能。     

一种具有量子行为的细菌觅食优化算法

为改善细菌觅食优化(BFO)算法中群体信息共享机制,增强算法的全局搜索性能,该文将细菌个体放在量子空间中描述,根据细菌群体信息建立量子化的势能阱模型,通过蒙特卡洛随机采样完成繁殖操作,使得细菌群能对整个空间进行搜索。针对BFO算法中趋化步长一致的缺陷,该文提出了一种动态缩进控制策略,在保证算法收敛性的同时大大增加了个体全局寻优的几率。标准测试函数的仿真结果表明,所提出算法具有精度高、成功率大、全局寻优性能强的特点。     

多维分组交换结构中的一种缓存设置方法

分析了在多维分组交换结构（MPSF, multi-dimensional packet switching fabric）中,采用传统的缓存设置方法时存在的缺陷.为此,提出了一种新的缓存设置方法.该方法可简化交换节点调度策略的实现,提升交换结构的吞吐量.分析和仿真结果验证,相比与传统的在MPP （massively parallel processor）中采用的缓存设置方法,采用新方法可获得更好的吞吐量性能,且降低实际开销.     

基于量子克隆选择的自适应多模式快速运动估计算法

该文提出一种新的基于量子克隆选择的自适应多模式快速运动估计算法。算法利用序列图像的时空预测运动矢量作为序列活动剧烈程度的依据,自适应选择搜索模式。静止块直接中止搜索;平缓运动类型块以(0,0)点为起始点,直接使用CDS搜索模式;剧烈运动类型块使用QCS/CDS联合搜索模式,首先使用量子克隆选择QCS寻找近似最优解,然后以近似最优解为起始点,使用CDS搜索。实验结果证明,算法在能够获得接近全搜索方法所得到的平均峰值信噪比前提下,平均搜索点数大大减少,搜索速度显著加快。     

Quantum-Inspired Evolutionary Algorithm for Continuous Space Optimization

A quantum-inspired evolutionary algorithm based on the probability amplitudes of Quantum bits （qubits） is proposed. The chromosome is comprised of qubits whose probability amplitudes comprise gene chain. The qubits on chromosome are evolved by quantum rotation gates, and are mutated by quantum non-gates. For the rotation direction of quantum rotation gate, a convenient method is proposed. The formula of the magnitude of rotation angle is constructed based on the gradient of fitness function. In this method, the probability amplitudes of each qubit are regarded as two paratactic genes, each chromosome contains two gene chains, and each of gene chains represents an optimization solutiong which can accelerate convergence process for the same number of chromosomes. By two optimization examples of function extremum and of neural network weights, the experimental results show that the approach is superior to common quantum evolutionary algorithm and simple genetic algorithm in both search capability and optimization efficiency.     

量子演化算法的改进研究

从两个方面对量子演化算法进行改进:(1)因量子染色体的量子位处于叠加态和纠缠态,无法使用传统的交叉方式对量子位进行操作,设计了针对测量后的经典染色体进行全干扰交叉,这样既不会破坏量子染色体的固有的并行性,又可以增加测量后染色体的多样性,继而影响量子染色体进化方向,加快算法的收敛速度,有效地防止"早熟";(2)设计了概率触发器启动量子非门进行量子变异。实验表明,改进的量子演化算法比起先前的算法具有更好的寻优能力,更稳定的收敛度。     

量子计算与遗传算法的融合及其在计算机通信网优化中的应用

该文将量子计算与遗传算法进行融合,其核心是在常规遗传算法中将量子的态矢量引入遗传编码,并自适应地进行量子旋转门的调整以实现染色体的演化,使算法具有更好的种群多样性和全局寻优能力。通过求解计算机通信网优化问题的实例,结果表明:新方法比采用常规遗传算法具有明显的高效性。     

一种基于量子低密度奇偶校验码的陪集搜索算法

在低密度奇偶校验码和量子纠错理论基础上,分析了基于稀疏矩阵的量子LDPC码的构造方法,提出了一种量子CSS码的编码实现过程中有效的陪集搜索方法,以（3,8）（16,6）量子LDPC码的构造过程为例说明此陪集搜索算法的有效性,并与现有的陪集寻找算法进行了比较。数值计算结果表明,改进的陪集搜索算法在获得与传统搜索方法相近的性能情况下编码速度有了显著提高,同时克服了传统陪集搜索算法中量子码字的存储问题。     

基于改进混合蛙跳算法的SVM分类算法

支持向量机的训练需要求解一个带约束的二次规划问题,但在数据规模很大情况下,经典训练方法将变得很困难。本文提出一种基于改进的混合蛙跳算法的SVM训练算法。针对混合蛙跳算法搜索速度慢且容易陷入局部极值的缺陷,将模拟退火思想引入到混合蛙跳算法中,提出一种改进的混合蛙跳算法。该算法保持了混合蛙跳算法参数少和容易实现的特点,同时通过模拟退火的降温过程来提高算法的进化速度和精度。实验结果表明,该算法能显著提高收敛速度,并能有效克服局部极值,在SVM训练中具有良好效果。