基于高阶统计理论和量子遗传算法的非线性盲源分离算法研究

本文系统分析了非线性盲源分离的模型和现有算法,讨论了非线性盲源分离中解的存在性和唯一性,提出了基于高阶统计理论中联合累积量的非线性盲源分离算法,并采用量子遗传算法进行优化求解.仿真结果表明了算法的有效性.     

量子遗传算法及其在图像盲分离中的应用研究

在改进Han的遗传量子算法的基础上，提出一种新的量子遗传算法．算法中采用多量子比特来编码多状态基因，构造了各个体之间的联合量子交叉，提出了通用的量子旋转门演化策略和动态调整旋转角机制．将量子遗传算法与独立分量分析算法相结合，提出一种图像信号的盲分离方法．仿真结果表明了该算法的有效性．     

基于量子遗传优化的盲检测算法

量子遗传算法(Quantum Genetic Algorithm)作为量子计算理论和遗传算法原理相结合的一种新兴的全局优化算法,因算法具有寻优能力强、收敛速度快和计算时间短的特点,在许多领域都得到了广泛应用。文中首先给出基于SIMO系统的BPSK发送信号盲检测模型,利用补投影算子构造盲检测优化代价函数,在此基础上利用量子遗传算法进行优化,获得最佳估计序列。算法性能仿真表明,文中提出的基于量子遗传优化的盲检测算法收敛速度快、能够成功实现盲检测,具有一定的应用价值。     

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。     

基于改进遗传算法的盲源分离算法研究

在传统盲源分离算法的基础上,提出了一种基于改进遗传算法的盲源分离算法。改进遗传算法可有效地抑制寻优陷入局部最小,防止了震荡,加快了权值的收敛速度,适用于非线性混叠情况。实验结果表明,将遗传算法和盲源分离相结合对于多路混叠语音信号具有较好的分离效果。     

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.     

混合量子遗传算法及其性能分析

首先比较了带量子门更新和群体灾变的量子算法(QA)以及加入对量子位的交叉和变异操作的量子遗传算法(QGA);然后结合量子搜索和传统遗传搜索提出了混合量子遗传算法的框架,并给出了基于二进制编码的混合量子遗传算法(BQGA)和基于实数编码的混合量子遗传算法(RQGA).基于典型问题的数值仿真和比较表明,RQGA的性能明显优于其他算法,对参数和初值具有较好的鲁棒性.     

量子遗传算法研究

量子遗传算法是在遗传算法中引入量子计算的概念,是20世纪90年代新兴的研究领域。介绍了遗传算法(GA)和量子算法(QC)的特点,以及量子遗传算法(QGA)的基本理论与方法。并在Matlab下编程对量子遗传算法与传统遗传算法的效率进行比较。     

量子遗传算法在TSP中的应用

本文提出了一种改进的量子遗传算法,其核心是对量子遗传算法中的量子旋转门的调整策略进行改进。在现有的静态、指数型动态调整策略的基础上提出了基于正弦函数的动态调整策略。文中对旅行商问题（TSP）的仿真实验结果表明：改进后的算法的优化质量和效率都优于遗传算法和一般量子遗传算法。     

实数编码混沌量子遗传算法

基于量子位的混沌特性和相干特性，提出一种实数编码混沌量子遗传算法（RCQGA）．该算法在解空间内将实数染色体通过反向变换映射到量子位，采用量子位概率指导的实数交叉与混沌变异相结合的方法对实数染色体进行演化搜索．实验结果表明，RCQGA不仅可以有效避免二进制编码QGA早熟收敛的缺点，而且可以减少寻优的计算复杂度，具有收敛速度快、稳定性好、寻优能力强、精度提高容易等优点，适用于工程应用中的复杂函数优化问题．     

量子遗传算法研究现状

Quantum Genetic Algorithm (QGA)is the combination of quantum computation and genetic algorithm. In this paper, actuality of research on QGA is summarized. QGA and Multi-universe Parallel Quantum Genetic Algorithm (MPQGA)are discussed in detail. Application progenies in respective regions are introduced. The subsequent research on QGA is also prospected.     

量子遗传算法在基于人工免疫的入侵检测系统中的应用

一个高效的入侵检测系统需要根据网络流的变化，不断对检测子进行优化。将新型的启发式方法——量子遗传算法应用于入侵检测系统中，并进行了仿真实验。结果表明：量子遗传算法在优化性能上优于传统遗传算法，它使种群具有多样性，提高了算法效率。     

改进量子遗传算法用于多峰值函数优化

传统遗传算法（SGA）在处理多峰值函数优化问题中存在局部收敛性的问题,最初的量子遗传算法（QGA）也存在这一问题。运用一种改进量子遗传算法（MQGA）,有效地解决了一些多峰值函数的优化问题。根据几个重要的测试函数进行仿真实验结果证明,与SGA和QGA相比,改进的量子遗传算法（MQGA）在一些多峰值优化问题中更具有效性和可行性。     

量子遗传算法及其在多用户检测中的应用

量子计算与遗传算法相结合的量子遗传算法是当今计算智能领域的一个前沿课题。文章从研究遗传算法在并行实现上的困难和改进方法出发,探讨了量子计算与遗传算法结合的理论基础,分析了量子遗传算法的理论和结构,最后提出了一种基于量子遗传算法的多用户检测方法。仿真结果表明,基于量子遗传算法的多用户检测器抗多址干扰的能力明显优于经典遗传算法多用户检测器。     

模糊Renyi熵与QGA结合的快速图像分割

针对非模糊熵的阈值分割方法不能较好地反映数字图像本质上具有的模糊特性,提出一种新的基于模糊熵的图像阈值分割方法。通过模糊隶属度函数将图像直方图信息转换到模糊域,利用模糊Renyi熵计算目标与背景的信息熵。根据最大熵原理,引入量子遗传算法对隶属度函数参数进行寻优,进而得到图像的最佳分割阈值。与典型的阈值法进行对比实验,表明该方法能获得更好的分割结果,满足实时性需求。     

绩效保障模式下的装备可修部件售后保障策略

基于绩效保障（PBL）模式,针对装备可修部件售后服务设计了一个由备件仓库和维修车间组成的闭环保障系统,推导了备件库存水平的稳态概率分布和系统可用度指标,建立了装备用户和保障服务供应商决策模型,并提出了一种量子遗传算法（QGA）对装备可修部件售后保障策略进行数值分析。     

基于混合粒子群算法的列车停站方案优化

列车停站方案影响着旅客服务质量和运行效率,是列车开行方案的重要环节.本文建立了旅客列车停站方案的多目标规划模型以最大化区段可达性从而减少旅客旅行时间.针对传统的粒子群优化算法在处理复杂多维问题时,算法效率不高,易陷进局部最优,且无法有效处理离散问题等缺点,提出了一种将量子遗传算法引入到MPSO中的方法.算法整体采用粒子群算法,结合量子遗传算法的概率幅编码,并使用粒子群的速度更新公式来更新量子旋转门.算法引入量子遗传算法的全局探索和粒子群算法的种群智能体系,不仅提高了算法的收敛速度,同时增加了粒子多样性.最后,将改进的量子遗传粒子群算法（QGA_PSO）应用于ZDT函数优化和停站方案模型优化,证明了算法的有效性.     

基于量子遗传算法的冷藏集装箱功率平衡调度方法

现有的集装箱船对各冷藏集装箱的控制相互独立,且单个冷藏集装箱的电力需求是随机的,造成总电力需求峰谷差较大,进而影响船舶电站的功率配置.为解决上述问题,需在保证温度安全的前提下对冷藏集装箱集群进行统一调度,本文提出一种基于量子遗传算法的功率平衡调度方法寻找冷藏集装箱集群的最优调度策略.首先,对冷藏集装箱优化调度问题建立数学模型,确定其约束条件及优化目标;然后,分别采用遗传算法（GA）及量子遗传算法（QGA）对优化目标求解,并比较经两类算法调度前后的冷藏集装箱实际功率变化情况及各项指标,评价两类算法的优化调度能力.实验结果表明：GA及QGA均能实现冷藏集装箱的优化调度,减小总电力需求的峰谷差,使负载功率趋于平衡,但QGA的寻优速度比GA快,平衡电力需求的能力及优化电站配置能力更强.     

量子遗传算法在口腔种植定位中的研究与应用

口腔种植体设计方案的制定时间较长、智能程度不高,口腔医学数据信息量较大。为此,对种植体模型进行研究,提出一种改进的量子遗传算法。把种群细分为不同的特征群体,各特征群体实施自适应调整进化步长的量子旋转门操作,以及个体间信息交流的交叉操作。实验结果表明,与经典的遗传算法以及Bloch量子遗传算法相比,该算法能有效地优化种植体定位参数,搜索能力和收敛性能较好。