基于量子遗传算法的永磁同步电动机混沌运动的同步控制

混沌同步是当代非线性与控制学科中的一个热点问题。针对永磁同步电动机中混沌同步,反馈反同步法在整定反馈增益矩阵参数时存在困难,利用量子遗传算法对反馈增益矩阵进行参数优化,从而克服反馈增益中参数不易整定的缺陷。数值仿真实验表明,利用量子遗传算法结合反馈反同步法能够使初始状态不同、运动轨迹不同的两个混沌系统在短时间内迅速达到同步,可以是系统达到很好的动态特性,验证了该方法的有效性,对电动机运动的稳定性具有较好的价值。     

连续混沌系统的自适应同步控制方法

针对混沌同步过程中参数摄动而带来的同步困难问题,提出一种自适应同步控制规则,并根据此控制规则设计自适应控制器,理论分析和仿真实验表明该规则可完成对不确定参数和不同初始条件下的连续混沌系统的参数辨识和同步控制。     

超混沌复系统的自适应广义组合复同步及参数辨识

该文针对含未知参数的异结构超混沌复系统,基于自适应控制及Lyapunov稳定性理论,提出一种新的自适应广义组合复同步方法 (GCCS)。首先给出广义组合复同步的定义,将驱动-响应系统的同步问题转化为误差系统零解的稳定性问题;然后从理论上设计了非线性反馈同步控制器及参数辨识更新律,并引入误差反馈增益,以控制同步的收敛速度;最后以超混沌复Lorenz系统、超混沌复Chen系统、超混沌复L系统的广义组合复同步与参数估计为例,从数值仿真角度验证了所提方法的正确性和有效性。     

参数未知的时延混沌系统滑模变结构同步控制

将滑模控制策略用于时延混沌系统的同步,采用了对系统参数摄动鲁棒性好的变结构控制,使系统对噪声和参数失配情况具有更强的鲁棒性。同时将自适应技术、系统辨识技术应用于系统中的未知参数逐步逼近,实现具有扰动以及参数未知的时延混沌系统的同步。仿真结果证实了该方法的有效性。     

基于量子混沌粒子群优化算法的分数阶超混沌系统参数估计

为了对分数阶超混沌系统中的未知参数进行准确估计,提出一种量子混沌粒子群优化算法（Quantum chaos particle swarm optimization,QCPSO）.该算法通过对量子粒子群优化算法（Quantum behaved particle swarm optimization,QPSO）的实现机理进行分析,并结合量子纠缠与混沌系统之间的相关性而实现.首先,将量子势阱中心视为混沌吸引子围绕的不动点,处于吸引子外部的粒子会逐渐聚集于吸引子之内,而处于吸引子内部的粒子会出现快速分离扩散的现象;然后,采用基于随机映射的粒子更新机制,充分保证混沌粒子的初值多样性;最后,提出了基于不动点中心的尺度自适应策略,解决了算法后期的搜索停滞问题.运用QCPSO算法对典型分数阶超混沌系统参数进行估计,结果表明,该算法在收敛速度与精度上优于改进的差分进化算法、自适应人工蜂群算法以及改进的量子粒子群优化算法.     

异结构的分数阶超混沌系统函数投影同步及参数辨识

该文以分数阶Chen混沌系统和一个新的分数阶超混沌系统为例,研究参数不确定的分数阶混沌系统和超混沌系统函数投影同步及参数辨识。首先,基于分数阶系统稳定性理论和非线性动力学理论,构造出相应的非线性控制器和不确定参数的辨识规则;由此实现了参数不确定的分数阶超混沌系统的函数投影同步及不确定参数的辨识。其次,利用分数阶稳定性理论,对上述同步给出了严格的数学证明。最后,借助于预估-校正算法,利用数值模拟验证了所提方法的有效性。     

参数未知时滞混沌系统的自适应同步

考虑参数不确定的多维时滞混沌系统作为驱动系统(发射系统),系统的未知参数能够在系统中线性表示.采用参数辨识与自适应技术,在响应系统(接收系统)中应用线性反馈与参数自适应控制,使得驱动系统与响应系统能够混沌同步,并且响应系统的参数逐步逼近驱动系统的参数.利用Lyapunov泛函与最大不变集原理(Lassel)给出了理论分析与证明.理论分析与数值模拟结果表明该自适应控制同步策略的有效性.     

一种基于混沌的量子身份认证

提出了一种新的基于混沌的量子身份认证方案,该方案将混沌系统对初值条件和参数的极度敏感性及混沌序列的良好伪随机性与量子密码的绝对安全性结合在一起,能够有效地抵抗多次身份认证中由于有限精度导致的混沌特性退化而造成对混沌系统初值和参数的攻击。在方案的实现过程中,利用量子隐形传态原理,解决了多次身份认证中出现的混沌迭代异步问题,实现了每一次身份认证中双方的同步,从而实现了“一次一密”的量子身份认证。整个身份认证过程实现简单,具有动态性和可证明的安全性。     

量子细胞神经网络超混沌系统同步及在保密通信中的应用

研究了六阶量子细胞神经网络超混沌系统的同步方法,提出了一种基于量子细胞神经网络超混沌同步系统的保密通信系统,应用MATLAB对六阶量子细胞神经网络超混沌系统进行了数值模拟,结果证明利用线性反馈法可实现该高维系统的混沌同步,利用混沌掩盖可实现保密通信.     

基于混沌遗传的异构无线网络接入选择策略

为了解决异构无线网络接入选择问题,提出一种基于混沌遗传算法的解决方法.将网络接入选择转换为一个多属性优化问题,利用混沌遗传算法解决全局寻优问题.算法首先通过超混沌系统产生初始种群和混沌扰动向量,对遗传算法进行改进;然后利用混沌遗传算法对适应度函数求解得到网络选择评价指标权重.仿真结果表明,该算法能够使新到达的用户更均匀地分布在各备选网络中,有效降低网络阻塞率并减小各候选网络阻塞率差距,实现网络的负载均衡.     

一种解决组合优化问题的量子遗传算法QGA

本文在量子变异的基础上,提出了一种解决组合优化问题的量子遗传算法QGA,它融合了遗传量子算法GQA和经典遗传算法的优点,只用一个个体就可在很短的时间内搜索到最优解,并针对一个典型的组合优化问题——0/1背包问题进行了对比实验,实验结果表明本文所提出的量子遗传算法QGA优于传统遗传算法和遗传量子算法GQA.     

一种解决组合优化问题的改进型量子遗传算法

在量子遗传算法(QGA)的基础上,提出了一种解决组合优化问题的改进型量子遗传算法(NIQGA).为充分利用量子态的干涉性和纠缠性,该算法引入了动态调整量子门旋转角步长机制、量子交叉操作和量子变异操作,因而具有更高的搜索效率.利用两种典型组合优化问题——0/1背包问题和路由选择问题进行验证.结果表明,相比于GA和QGA,NIQGA具有收敛速度快和全局搜索能力强的特点,在解决基因间弱关联性的组合优化问题时有更优的性能.     

一种基于混沌蚂蚁群算法的系统参数辨识方法

提出了一种基于混沌蚂蚁群算法的控制系统辨识方法,这种方法在给定控制系统数学模型的条件下,将控制系统的参数辨识问题转化为参数的寻优问题,之后利用混沌蚂蚁群算法的全局优化搜索能力对问题进行求解.以典型控制系统为例进行了计算机仿真,实验结果表明,使用混沌蚂蚁群算法可以得到很好的参数估计结果.     

一种基于粒子群优化方法的改进量子遗传算法及应用

本文采用粒子群优化(PSO)方法代替量子门来更新量子比特状态,得到一种改进的量子遗传算法(QGA)——PSQGA,并根据QGA自身概率特性,引入了最优解方差函数来评价该算法的稳定性能.利用四种典型连续函数寻优问题和0/1背包问题,分别对PSQGA和改进的使用量子门的量子遗传算法(IQGA)进行了测试;并将它们应用到图像稀疏分解的实例中.结果表明,PSQGA算法的寻优能力及稳定性均优于IQGA,且具有更好的收敛性以及更强的连续空间搜索能力,适合于求解复杂优化问题.     

Research on the algorithm for reducing the PAPR of OFDM system based on quantum chaotic mapping

Aiming at the high peak to average power ratio (PAPR) problem of OFDM system,a modified selective mapping algorithm based on quantum loigstic chaotic map was proposed.To solve the problem of fixed point and stable window,the quantum loigstic chaotic maps were used as random phase sequence vectors,which provided a large number signals with fine correlation and random characteristics,easy to produce and regenerate.Matlab simulation results show that the proposed algorithm effectively reduces the PAPR,increases the numbers of candidate signals,cuts down the amount of redundant information transmission,bring down the side band power.The proposed scheme has a broad application prospect in OFDM system.     

基于量子遗传算法的量子细胞自动机仿真方法

利用遗传算法对基于半经典模型的量子细胞自动机进行仿真时,通常会遇到多个极值,容易陷入局部最优。为将量子遗传算法用于量子细胞自动机仿真,对量子遗传算法进行改进,将二进制量子位改为多进制量子位,重新设计了量子旋转门的调整策略,并给出了具体实现步骤。通过对测试函数寻优和量子细胞自动机电路的仿真,结果表明,改进后的量子遗传算法平均误差低,不易陷入局部极值,收敛速度较快,适用于量子细胞自动机仿真。     

基于改进遗传算法的量子可逆电路综合

针对可逆电路到量子电路的有效映射问题,提出了带禁忌表的大变异自适应遗传算法,用于量子可逆电路的综合.选取量子非门、控制非门、控制V门与控制V+门(NCV)构成量子门库,建立了量子电路计算模型.采用二进制串行编码方案,设计了适应度函数、进化算子及优化规则,实现了带禁忌表大变异自适应遗传算法的量子可逆电路综合,并用Revlib电路库进行了测试.结果表明该综合方法能同时得到多个功能解,且所生成电路的量子代价优于库中电路,验证了提出算法用于量子可逆电路综合的正确性和有效性.     

一种新型的自适应混沌遗传算法

针对标准二进制编码遗传算法的缺陷,提出一种基于实数编码技术的新型自适应混沌遗传算法用于求解优化问题.该算法利用信息熵理论产生较好的初始群体分布,并依据概率分布函数构造杂交算子,同时结合混沌动力学特性和人工神经网络理论,设计了一种自适应混沌变异算子,使算法能有效维持群体多样性,防止和克服进化过程中的"早熟"现象,算法操作简单、易于实现.最后通过对几个经典测试函数的数值实验,验证了该算法在提高解的精度和加快收敛速度方面都有显著改善,从而为解决函数优化问题提供了一种行之有效的新方法.