基于3D角度编码的量子遗传算法

为了充分利用量子态在算法中的量子特性,提高算法的搜索效率,减少存储空间,提出了一种基于3D角度编码的量子遗传算法。该算法将量子位描述为3D球面坐标下的一对相位角,充分利用了量子的空间运动特性,并引入一种自适应旋转角大小和方向的确定方案,从而进一步简化了染色体的更新和变异过程,而且使算法的量子特性、存储性能、时间性能都得到很大的提高。仿真结果表明,其在算法优化效率和搜索能力上都优于简单遗传算法和普通量子遗传算法。     

K-S函数在多目标优化中的应用

提出了一种将约束优化问题转化成无约束优化问题的新技术 ,并在此基础上提出了一种新的多目标优化算法 K- S法。该算法通过 Kreisselm erier- Steinhauser函数构造出标准化目标函数、行为约束函数的包线 ,通过求包线的无约束极值而求解出原多目标优化问题的解。该蒜法无需取加权因子 ,也无需对种目标函数进行分离优化 ,并且设计初始点选择不受限制。本文最后给出了一个典型的多目标优化算例 ,结果令人满意     

美军舰载机着舰数据链的发展与启示

回顾了美国着舰引导系统及着舰数据链发展历程,分析了各着舰引导系统对信息传输需求的差异,总结了各着舰数据链的功能性能特征,描述了美国着舰数据链的发展趋势,探讨了新型着舰数据链的技术体制,最后指出了对我国着舰数据链技术及应用发展的启示。     

广义加权Minkowski距离及量子遗传聚类算法

相异度和相似度度量是聚类算法中非常重要的一种因素,往往会影响到聚类分析的结果。很多聚类算法采用欧式距离作为计算数据相似度的度量。而欧式距离不能反映属性值的全局特性,且不顾及各属性之间的量纲差异,因此当不同属性间具有明显量纲或值域差异时,不能取得很好的效果。对此,提出了一种广义加权Minkowski距离,即由各属性的量纲和值域信息来确定各属性的广义权值,既考虑了整个数据集的特性,又消除了各属性之间的不和谐,同时分位数的引进在一定程度上减弱了噪声属性值对距离度量的影响。将提出的新的距离度量用于经典的k-means算法和量子遗传聚类算法,实验结果表明,采用新的距离度量和引进量子遗传算法的聚类是更加有效的。