量子k-means算法

为提高经典k-means算法的计算效率,引入量子计算理论得到量子k-means算法。先将聚类数据和k个聚类中心制备成量子态,并行计算其相似度,接着利用相位估计算法将相似度信息保存到量子比特中,然后利用最小值查找量子算法查找最相似的聚类中心点。对比两种算法的复杂度可知,在一定条件下,相对经典算法而言,量子k-means算法的时间复杂度降低,空间复杂度得到指数级降低。     

最大熵谱谱峰的计算

基于最大熵谱计算的快速算法中,计算精度与计算速度之间的矛盾,本文导出直接计算最大熵谱谱峰值的算法,提高了计算精度和速度。     

用于网络编码优化的改进量子进化算法

网络编码允许网络中间节点对输入数据进行处理而非简单转发,提高了网络的吞吐量和鲁棒性,已经被证明能够达到网络最大流最小割限制。但网络节点的编码操作引发了额外的计算及资源开销。为此,该文提出了一种针对网络编码优化的改进量子进化算法IQEA-NC,以满足达到理论多播速率的情况下最小化网络的编码开销目的。IQEA-NC对传统量子进化算法进行了有效的改进,降低了算法搜索空间,增强了全局搜索能力,同时避免了陷入局部最优。仿真对比实验表明,同已有的量子进化算法及其他进化算法相比,该方法提高了优化性能,在准确性和收敛速度上都具有较大的优势。     

量子蚁群算法求解多任务联盟问题

针对蚁群算法在求解多任务联盟问题(multi-task coalition problem,MTCP)时存在的求解精度不高、迭代次数多的不足,利用量子计算的并行性,提出了一种求解多任务联盟问题的量子蚁群算法.首先,利用量子叠加态给出了基于Agent的量子编码,使1个Agent能占据空间中的2个位置;其次,为使旋转角获得合适的大小和方向,提出了一种基于信息素的自适应修正旋转角调整策略;最后,通过对量子编码进行观测,给出了基于量子态的蚂蚁寻优策略.实验结果表明,与已有的算法相比,该算法不仅能获得更高质量的解,而且收敛速度也有显著的提高.     

改进的粒子群优化算法及其在电磁装置优化设计中的应用

基于对鱼、鸟群体捕食行为和过程的深入分析与系统研究，文章提出了一种改进的粒子群全局优化算法。主要内容包括：提出了粒子群初始化新机制以提高算法的收敛性能；引入了重启策略以避免算法陷于局部极值点或死循环；设计了全新的速度与位置矢量调节算法以提高优化方法的全局寻优能力。为验证前述工作的有效性和正确性，应用本文提出的改进粒子群算法对典型的数学函数和TEAM Workshop问题22进行了分析和计算。计算结果表明：与原粒子群算法比较，本文算法的全局寻优能力明显提高。     

经典启发式量子计算整数分解问题

大整数分解是破解RSA加密算法的基本途径之一，由于计算量过大，经典计算机难以有效解决大整数分解问题.量子叠加和纠缠的特性，使得量子计算可以对经典问题求解起到并行加速的作用. Shor算法是一个能够高效快速对大整数分解的量子算法.然而，Shor算法需要进行模幂运算，使得电路设计极其复杂，时间复杂度也高.为了解决该问题，基于经典计算的启发，提出一种启发式算法：利用量子计算的并行性，设计相关Oracle去计算2个奇数叠加态a和b的乘积，再将叠加态乘积的负相位加在大整数N的傅里叶基上，当结果为0时，利用多控制门便能够将满足pq=N的一个质因子p给提取出来.该文提出的算法最低仅需要2n个量子比特，时间复杂度也达到指数级加速.另外，该文在QISKit框架上实现了该算法，证明了算法的可行性和通用性.     

基于改进粒子群优化算法的可用输电能力计算

针对可用输电能力问题展开了深入研究,构造了适合ATC问题特点的改进的粒子群优化模型,提高了ATC计算结果的准确性和有效性。首先,针对粒子群的搜索特点,提出并建立了自适应调整权重策略,提高了算法的适应性和收敛速度;其次,根据不等式约束在计算过程中越界量的大小,动态地调节惩罚函数,进一步提高了算法的收敛速度和准确性;最后,IEEE30节点系统验证了所建模型的有效性。     

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。     

BP神经网络在入侵检测系统中的应用及优化

BP神经网络运用于入侵检测系统有很多优点，但是也存在一些缺点，如执行速度比较慢的问题等.常用的LMBP算法，虽然收敛速度很快，但是应用于入侵检测系统执行速度仍然不能满足要求.结合KDD99数据集，选取适当的数据，通过加入一些限制条件，对LMBP算法进行了优化.通过实际计算，比较算法优化前后的计算结果，验证了优化算法是有效的.优化后的算法比较明显的提高了BP神经网络应用于入侵检测系统时的执行速度，具有一定的实用价值     

BP神经网络在入侵检测系统中的应用及优化

BP神经网络运用于入侵检测系统有很多优点，但是也存在一些缺点，如执行速度比较慢的问题等．常用的LMBP算法，虽然收敛速度很快，但是应用于入侵检测系统执行速度仍然不能满足要求．结合KDD99数据集，选取适当的数据，通过加入一些限制条件，对LMBP算法进行了优化．通过实际计算，比较算法优化前后的计算结果，验证了优化算法是有效的．优化后的算法比较明显的提高了BP神经网络应用于入侵检测系统时的执行速度，具有一定的实用价值．     

免疫蚁群算法在电力系统无功优化中的应用

将人工免疫算法和蚁群算法相结合形成免疫蚁群算法,运用免疫机理提取疫苗获得初始解,通过免疫操作加快算法收敛速度,并用基于浓度的选择机制抑制算法的＂早熟＂.将该算法用于求解电力系统无功优化问题进行仿真,结果表明它的收敛速度和计算精度都有较大提高.     

三维物体的计算全息的快速算法

提出了一种新的三维物体全息图的快速算法,根据点光源在全息面上的复振幅是中心对称的特性,加速得到阵列采样的全息数据,还快速得到了不同深度的主全息数据.该算法通过主深度主全息数据按比例缩放得到其他深度主全息数据,在同一深度上点全息数据由同深度主全息数据平移得到.分析和实验结果表明,改进后的算法能够减少计算量,提高计算速度,得到深度主全息数据的速度提高了5倍左右.     

工程优化中最速下降法的加速技巧

利用向量ε－算法对工程优化中的最速下降法作了改进，使其收敛速度由原来的一阶提高到二阶，同时保留了原方法结构简单，计算量少等优点，数值计算结果表明，改进后的最速下降法的确是一种有效的计算方法。     

Dijkstra最短路径算法优化

传统D ijkstra算法在求解节点间最短路径时,对已标识节点以外的大量节点进行了计算,从而影响了算法的速度.在对传统D ijkstra算法分析的基础上,对其进行了优化,优化算法只对最短路径上节点的邻居做了处理,而不涉及到其他节点.因此,在优化算法中计算的节点数大幅减少,提高了算法的速度.     

基于两阶段策略的粒子群优化研究

提出了一种基于传统粒子群优化的两阶段实施方案，通过对一组测试函数的仿真表明，该方案以适当增加的计算量为代价，提高了搜索成功率. 对比实验表明，两阶段方案几乎在各种最大可迭代次数的约束下都能获得更好的搜索成功率，且对学习速度参数的敏感性降低，算法的搜索性能更稳健.实施该策略时原则上子群数量宜选取一个适中的数值，以综合考虑可靠性与计算成本两个因素.     

因子分解的量子方法

本文论述了经典计算中的因子分解问题，量子计算和量子计算机的概念和特点，着重从理论原理方面说明Shor量子算法中的因子分解的方法，显示量子计算和量子计算机的巨大优越性和广阔的发展前景。     

函数优化问题的动态并行量子遗传算法

针对传统量子遗传算法在解复杂连续函数优化中存在的早熟收敛、收敛速度慢、计算时间长的问题,提出一种解复杂连续函数优化问题的动态并行量子遗传算法(DPQGA)。采用多种群协同进化,每个子种群按照各自的进化目标在不同的搜索区域进化,形成并行搜索方式,加快算法收敛速度,避免早熟收敛;同时设计了一种新的动态量子旋转角的更新策略及量子门调整策略,减少算法的迭代次数;在最优解连续数代无变化时引入灾变算子,使种群保持良好的多样性。通过对5个测试函数的仿真,结果表明,该算法搜索到的最优解较QGA算法更优。与已有算法相比,该算法在收敛速度、迭代次数、全局寻优能力上都有了较大的改进和提高。     

求根问题的量子计算算法

求根问题是计算数论中的一个困难性问题,为了提高求根问题的求解效率和扩大量子计算的应用范围,对求根问题进行了量子算法的分析.在两大量子算法Shor算法和Grover算法的基础上,提出了2种解决求根问题的量子算法RF-Shor算法和RF-Grover算法.经分析,RF-Shor算法需要多项式规模的量子门资源,能以接近1的概率求出求根问题的所有解.在没有使用任何可提高搜索效率的经典策略的情况下,RF-Grover算法能在O(M/k)步内以至少1/2的概率求出求根问题k个解中的一个解.     

求解多峰函数优化问题的免疫量子进化算法

提出了一种求解多峰函数优化问题的免疫量子进化算法, 该算法依据小生境机制将量子表达的初始 种群划分为子群组, 再对每个子群组利用免疫特性的局域搜索能力包括抗体的克隆选择、记忆细胞产生、免疫细胞 交叉变异、抗体的促进与抑制等进化机制, 找出局域最优解。最终算法可保持所有优化解。算法综合了量子计算的 天然并行性和免疫算法的充分自适应性, 它比传统的进化算法具有更好的种群多样性, 更快的收敛速度, 更有效的 全局和局域寻优能力;证明了算法的收敛性, 最后通过仿真实验表明了该算法的优越性。     

工程优化中最速下降法的加速技巧

利用向量ε－算法对工程优化中的最速下降法作了改进，使其收敛速度由原来的一阶提高到二阶，同时保留了原方法结构简单、计算量少等优点．数值计算结果表明，改进后的最速下降法的确是一种有效的计算方法．