无线自组织量子通信网络的Grover路由算法研究

介绍了无线量子通信网络的发展和无线量子通信网络中的路由算法.路由度量基于相邻节点间的纠缠量子对数目.结合Grover量子搜索算法,在限定跳数内搜索路由度量最大的路径作为目标解径,以避免量子信道因纠缠量子对的消耗而断开.路径搜索成功后,节点采用两端逼近的方法建立起量子信道,实现从源节点到目的节点的量子态的传递.采用Grover算法的路由搜索保证了成功率,降低了量子通信网络的网络计算量,使路由搜索快速收敛.     

灵活的固定相位量子搜索算法

为解决Grover算法的普适性不够理想的问题，提出一种灵活的量子搜索算法.首先，通过设计包含任意数目基态的量子均衡叠加态，实现任意大小无序数据库的构建；其次，通过求解算法的迭代方程，导出旋转相位与成功概率及搜索步数之间的定量关系，其中旋转相位可取(0,π]内的任意值；再次，通过迭代步数与成功概率的统计分析，确定当标记态数未知时旋转相位的最佳取值，并设计搜索方案；最后，考察不同旋转相位及不同标记态数下，成功概率及迭代步数的数值结果.理论分析表明该算法可以实现经典算法的二次加速.     

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.     

在热腔中实现Grover量子搜索算法

在热腔中,基于两原子的相互作用提出一个实现二量子比特Grover量子搜索算法的方案.在强经典场的作用下,取消了演化算符中依赖光子数的部分,因此方案不受热腔影响.该方案虽然简单但可能是扩展更为复杂的量子算法的重要步骤.     

基于量子行为和差分进化的改进蜻蜓算法

针对原始蜻蜓算法易陷入局部最小值导致全局搜索能力较差,以及蜻蜓算法后期种群缺乏多样性易出现停滞现象等缺陷问题,提出量子行为和差分进化融合策略下的改进蜻蜓算法(QDEDA)。量子行为的融入改进了算法中蜻蜓个体的位置更新方式,差分进化的融入增强了算法中的信息交流,量子行为和差分进化融合策略实现了优化该算法向最优解方向搜索。最后选取8个标准测试函数进行实验验证,与原始蜻蜓算法、灰狼算法和粒子群算法进行对比分析,QDEDA在收敛速度和寻优精度方面均实现改善。     

基于模拟退火的量子进化算法

针对量子进化算法全局搜索能力强而局部寻优能力弱的特点,提出一种基于模拟退火的量子进化算法。该方法将模拟退火算法引入到量子进化算法中,在采用量子进化算法进行解空间全局搜索的同时,用模拟退火算法加强局部寻优能力,以有效平衡算法的开采与勘探能力。采用著名的NP难组合优化问题———背包问题为例进行实验,结果表明:本文方法获得了比量子进化算法更好的解,证实了其有效性。     

改进的双链量子遗传算法在图像去噪中的应用

针对传统双链量子遗传算法收敛速度慢、搜索精度低、鲁棒性差等不足,提出一种F型双链量子遗传算法(F_DCQ-GA).对编码空间进行单值映射处理,在保证量子种群适应度值与相应幅角排序单调性的前提下,缩小算法的搜索空间,增加搜索密度;在量子更新时引入自适应步长因子,使步长随目标函数在搜索点处梯度的变化而变化,有效解决了传统寻优算法普遍存在的全局最优解搜索困难的问题;在染色体变异更新时提出了π/6门,克服了原来非门变异无法更新量子比特概率幅的缺点.将F_DCQGA优化算法应用于小波阈值去噪的阈值选择机制中,通过仿真证明F_DCQGA优化算法提高了小波阈值函数的收敛速度和搜索精度,在图像边缘特征提取中可以获得更小的均方误差(S_(ME))和更大的峰值信噪比(R_(PSN)),同时又保留了大部分高频信息.     

基于邻域相似性的图像码字快速搜索算法

有序平均距离部分码书搜索算法(MPS)是一种针对于图像矢量量化过程的码字快速搜索算法,为寻找初始匹配码字,MPS算法需要计算所有矢量与码书中所有码字之间的均值平方距离,对于n个矢量与长度为k的码书来说,此部分的计算量为O (nk+k log k),这限制了MPS的加速效果。针对此问题,本文提出了基于邻域相似性的图像码字快速搜索算法。首先,对原始码书根据码字分量和值按照从小至大排序获得排序码书;然后,在当前图像矢量的邻居矢量中确定候选初始匹配码字,再通过距离比较确定最终初始匹配码字;最后,以初始匹配码字为起始搜索点进行基于排序码书的码字搜索。算法将MPS算法中初始匹配码字选择计算量降低至O (n+k log k),并且具有与全搜索算法以及MPS算法一样的结果。不同算法的对比实验结果表明,FSNS算法具有最高的加速比,平均时间加速比为4.38～11.24,而MPS算法与ITIE算法分别为3.19～6.01与1.49～2.99。     

SM4密码算法S盒的量子电路实现

SM4密码算法是我国国家密码管理局2006年公开发布的用于WAPI的分组密码算法,2021年6月成为国际标准。S盒作为唯一的非线性组件,其安全性直接影响到SM4算法的安全性。该文首次给出SM4密码算法S盒的量子电路实现。根据S盒的代数表达式,首先利用高斯消元法给出表达式中仿射变换的量子电路,然后把求逆元运算转换为求该元素的254次方,再分别给出对应的平方计算和乘法计算的量子电路,最后通过改进的Itoh-Tsujii算法给出S盒的量子电路。量子电路的复杂度分析表明:所给出的S盒的量子电路共用48个量子比特,592个量子门,电路深度为289,具有较高的效率。该研究将会对量子环境下SM4密码算法的安全性分析奠定基础。     

量子遗传算法在目标分配上的应用

量子遗传算法是量子计算和遗传算法相结合的产物,量子遗传算法将量子比特和量子门表示引入到遗传算法中,具有比遗传算法更好的搜索效率和收敛性.目标分配问题是一种典型的NP难问题,传统的方法在求解此问题时很容易陷入局部最优.本文利用量子遗传算有效地解决了目标分配最优化的问题,数值模拟表明量子遗传算法在该类问题中具有效性和可行性.     

基于生成对抗网络的遮挡图像修复算法

提出一种基于生成对抗网络的遮挡图像修复算法,能够在大量像素缺失的场景下复原出图像的本来面目.该算法不同于其他的样本块搜索复原算法,可直接生成并且填充可能的缺失元素,改进了生成对抗网络生成模型的结构和生成损失的计算方法,具有半监督学习的特点.实验结果表明,在满足图像整体轮廓的前提下,新算法优于其他算法.     

基于A*算法的2种任务-处理器分配改进算法

针对分布式计算中的任务-处理器分配问题,提出了2种基于A*算法的改进算法。通过对A*算法原理的分析,得到将A*算法应用于任务分配问题的搜索树模型,和通过将搜索树在处理单元之间尽可能均匀地进行划分和通过避免不必要的节点扩展来得到最优解;实验结果表明,提出的2种改进算法,相比于传统的A*算法,不仅能够通过减少搜索空间节省内存和减少任务执行时间,而且能够通过并行分配来提高算法执行时的加速性。     

基于Toeplitz降维子矩阵的空间多目标跟踪算法

为了克服传统的移动多目标跟踪计算量大、实时性差的缺点,针对阵列天线提出新的多目标跟踪算法.该算法利用阵元接收数据构造空域Toeplitz矩阵,截取该矩阵的一个子矩阵,采用Lagrange极值定理迭代跟踪子矩阵的最小噪声特征向量.根据得到的噪声特征向量,估计空间多个移动目标的波达方向(DOA).该算法对原接收矩阵进行了降维,因而有效地降低了计算复杂度.此外,对数据进行的Toeplitz重构,使得降维后的子矩阵保留了所有阵元的接收信息.仿真结果表明,该算法不但可以处理相关信源,而且具有很好的空间分辨率,适合对目标源进行实时跟踪.     

Low complexity user scheduling algorithms for uplink multiuser MIMO systems

Two efficient and low complexity multiuser scheduling algorithms are proposed for the uplink multiple-input multiple-output systems in this paper.Conventionally,the exhaustive search algorithm (ESA) ca...     

一种基于量子染色体的遗传算法

将进化理论和量子理论结合,提出一种基于量子计算概念和理论的量子遗传算法．算法借鉴量子比特的叠加性。采用量子编码来表征染色体,能够表示出许多可能的线性叠加状态．模拟量子坍塌的随机观察可带来丰富的种群,量子染色体的进化也能够简单方便地引导进化．因此,它比传统遗传算法具有更好的种群多样性。更快的收敛速度和全局寻优的能力．从理论上证明了它的全局收敛性,仿真计算也表明了此算法的优越性．     

判定有效时序重构变换存在的时序约束条件

讨论了时序重构优化的基本概念和算法,在改进的同步时序电路有向图表示的基础上,提出了一种判定有效时序重构变换在时序约束条件的精确生成方法,结果表明在是的有向图基础上运用此方法的时序重构化优化算法能够得到比以前的算法更加优化的时钟周期。     

强背景噪声下红外目标的鲁棒性跟踪算法

提出了一种将边缘检测与改进Mean Shift 算法相结合的红外目标跟踪算法．初选了原始红外图像边缘后,再利用非线性边缘检测算法进行处理,有效地消除了原始红外图像中的大部分噪声,并能获取高质量的图像边缘信息．在此基础上,采取更新目标模型、目标模板背景加权以及候选目标区域核加权的方式改进Mean Shift算法,以增强Mean Shift算法跟踪目标的稳定性及对背景噪声的鲁棒性,从而实现强背景噪声下运动红外目标的快速、准确跟踪．实验结果表明,该算法不仅计算量较少,提高了跟踪速度,而且对背景噪声有很强的鲁棒性．     

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。     

基于量子遗传算法的XOR/AND电路功耗和面积优化

通过研究量子遗传算法、XOR/AND逻辑展开式及其对应电路的功耗和面积关系,提出一种基于量子遗传算法的单输出XOR/AND电路功耗和面积同时优化的算法.从量子比特、量子叠加态的概念出发,结合XOR/AND电路的功耗估计模型,以XOR/AND门电路数衡量电路面积,利用染色体编码、适应度函数构造和量子旋转门调整等方法,有效实现了功耗和面积的折中.将提出算法与遍历算法和整体退火遗传算法进行比较,结果表明该算法高效、稳定、收敛速度快.对较大规模电路的测试结果表明,该算法的优化结果与极性为零时的XOR/AND电路相比,功耗和面积平均节省了81.7％和54.7％.     

基于高斯扰动的布谷鸟搜索算法

在布谷鸟搜索算法（CS）的基础上,提出了一种在迭代过程中对鸟窝位置加入高斯扰动的方法,即基于高斯扰动的布谷鸟搜索算法（GCS）.它增加了鸟窝位置变化的活力,从而有效地提高了算法的收敛速度.仿真实验结果表明,该算法优于原始布谷鸟搜索算法.