多尺度量子谐振子算法的收敛特性

多尺度量子谐振子算法的收敛特性证明单一尺度的收敛过程不能同时获得良好的全局搜索精度和局部搜索精度,只有采用多尺度迭代才能实现对全局最优解的逐步精确定位,所以MQHOA算法利用量子谐振子收敛过程（QHO收敛）和多尺度收敛过程（M收敛）两个嵌套的收敛过程实现对优化问题的求解．QHO收敛过程按谐振子波函数由高能态向低能态的变化实现搜索区域的收缩,M收敛过程以2的倍数逐步减小尺度提高搜索精度．算法的波函数收敛定理证明QHO收敛时采样分布为高斯分布．QHO收敛过程算法模型中不同能级和不同尺度下的波函数图像为跟踪研究算法的迭代收敛过程提供了直观的具有物理含义的手段．实验证明算法在收敛过程中基态波函数形态和基态时零点能的存在都与算法物理模型的理论描述和预言是高度吻合的．     

基于量子优化算法的交通视频结构化分析

结合智慧城市建设过程中交通视频车辆信息快速分析的需求,利用深度学习检测算法对非结构化的车辆交通视频数据进行粗粒度目标检测,提取车辆信息特征,然后利用基于传统算法模型的量子优化算法对交通视频中车辆信息数据进行分类预测分析,测试结果显示,该方法对交通视频结构化分析中车辆品牌信息可实现正确识别,效果良好,初步实现了基于量子优...     

基于单纯形法的量子粒子群优化算法

针对粒子群优化算法容易陷入局部极值点,进化后期收敛慢和优化精度较差等缺点,提出了将单纯形搜索法与量子粒子群算法混合的改进算法,更好的平衡了全局搜索和局部搜索能力.仿真结果表明,该算法效率高、优化性能好,其性能远远优于一般的粒子群算法与量子粒子群算法.     

量子近似优化算法在数字分区问题中的应用

量子近似优化算法（QAOA）是一种近似求解组合优化问题的方法,它通过反复调整电路参数,以获取问题哈密顿量的最大期望值为目的来解决问题,在组合优化问题领域具有广阔的应用前景。将QAOA应用于数字分区问题（二分区问题）,通过将问题函数转换成对应的哈密顿量,构造了量子线路,采用线性近似约束优化（COBYLA）方法对电路参数进行了优化,并使用IBMQ模拟平台进行了模拟实验。研究发现量子近似优化算法在数字分区问题中有着良好的性能表现,可在多项式时间内给出问题的解,并且降低了问题的时间复杂度。     

车间调度问题的量子粒子群优化算法设计

针对粒子群优化算法搜索空间有限、容易出现早熟现象的缺陷,将量子粒子群优化算法用于求解车间调度问题,按照量子粒子群优化算法的进化规则在调度空间内搜索最优解,并对量子粒子群算法的参数选择进行了研究。以典型的Job-Shop调度问题作为实验对象,实验结果表明QPSO算法相对PSO算法具有较好的全局搜索能力。     

具有能级稳定过程的MQHOA优化算法

在量子模型下将优化问题转化为求解约束态的基态波函数问题,通过泰勒近似采用谐振子势阱对目标函数进行逼近,类比量子谐振子的波函数图像提出了一种改进的多尺度量子谐振子优化算法。算法包括3个基本迭代收敛过程：能级稳定过程、能级降低过程和尺度降低过程,算法的收敛过程与物理模型基本吻合。改进算法将主观控制参数减少为1个,同时参照量子模型定义了算法的波函数和零点能。实验结果表明,改进算法的复杂函数优化性能优于多种常见优化算法,对于Ackley、Griewank、Sphere、Sum Squares、Zakharov等高维标准测试函数均能以100%的概率获得全局最优解。     

基于改进量子进化算法的PID参数优化

PID控制器是一类广泛使用的控制器,其参数优化决定了控制器的性能。提出了一种基于改进量子进化算法的PID控制参数优化方法。在该算法中量子个体的每位量子比特都可以向不同的目标学习,实现了量子个体之间信息的充分交换,一方面保证了算法的收敛性,另一方面保证了算法的探索能力,有效提高了算法的优化性能。将该方法用于PID控制器参数优化,与其他优化算法的仿真结果比较表明,该方法能获取更好的控制效果,验证了该方法的有效性。     

量子行为粒子群算法在图像恢复中的应用

遗传算法等智能搜索技术避免了图像恢复方法中存在的较多约束和计算量过大的问题,但遗传算法存在“过早收敛”现象。作为一种新的智能优化算法-量子行为粒子群优化算法,在全局收敛性和稳定性上有较好的表现。文章提出了一种基于量子行为粒子群算法的图像恢复方法,并与基于标准遗传算法的图像恢复进行了比较。仿真结果表明,该算法可使图像恢复结果和效率得以较大的改善和提高,具有推广应用价值。     

MQHOA优化算法能级稳定过程及判据研究

多尺度量子谐振子算法（MQHOA）的能级稳定过程是算法的核心部分,对于避免算法陷入局部最优、提高算法求解精度具有重要作用.对算法能级稳定过程进行研究,发现不同的能级稳定判据,会造成算法在同一能级下不同的表现.相对宽松的判据使算法在能级稳定过程中迭代不充分,容易陷入早熟.而更严格的判据能使波函数在同一能级下达到稳定状态,提高算法的全局搜索能力,但会增加算法的计算代价.通过实验证明,相对宽松的能级稳定判据对单峰简单函数具有良好的求解效果,严格的能级稳定判据适用于算法对多峰复杂函数的求解.算法在资源优化、自适应控制及能耗优化管理等方面已取得有效应用.     

自适应相位旋转的量子菌群算法

量子菌群算法是将量子计算与菌群觅食优化算法相融合而得到的一种量子智能算法,但该算法存在鲁棒性比较差和寻优时间比较长的缺陷。为解决该问题,本文设计了一种旋转相位自适应调整的量子旋转门,并用其完成细菌的趋化操作,提出了一种自适应相位旋转的量子菌群算法。通过16个不同类型的标准测试函数对其优化性能进行研究,统计结果表明该算法在低维时,对于多种种类的测试函数,在收敛精度和稳定性上都要优于改进前的量子菌群算法,且优化结果要明显优于经典的菌群觅食优化算法和量子遗传算法。进一步研究表明,在达到指定收敛精度的情况下,该算法的平均收敛概率是最高的,平均运行时间和平均迭代步数是最短的。而在高维情况下,该算法则对碗状和碟状类型的测试函数比较适用。      

一种针对名义尺度变量的优化聚类算法

经典的聚类分析技术如系统聚类法和K-means等主要是处理间隔尺度的变量，而对于名义尺度变量则不适合。文章借鉴认知心理学和优化学习的思想，对名义尺度变量的聚类问题进行了研究，定义了名义尺度变量的距离度量——翻转距离，在此基础上，提出了一种目标函数优化制导的聚类算法，并演示了对名义尺度变量进行聚类的过程。实验表明，我们的算法结果可以得到合理的解释。     

基于量子免疫优化算法的BP神经网络短期负荷预测方法研究

电能作为常见的能源类型,易与其他类型的能源进行转换,被广泛用于日常生活以及社会发展等方面。随着电力系统的不断发展,用户的不断突破,短期内的负荷用电预测成为国家电网稳定运行不可或缺的一部分。本文提出一种基于量子免疫优化算法改进的BP神经网络算法短期负荷预测方法,旨在提高BP神经网络算法存在的收敛速度慢、初始值敏感等问题,经某电力公司提供数据,对电力短期负荷进行预测,结果证明了本文提出方法的有效性与快速性。     

求解连续空间优化问题的量子粒子群算法

为提高粒子群算法的搜索能力和优化效率并避免早熟收敛,将量子进化算法融合到粒子群算法中,提出一种求解连续空间优化问题的量子粒子群优化算法.用量子位的概率幅对粒子位置编码,用量子旋转门实现粒子移动,完成粒子搜索;用量子非门实现变异,提高种群多样性.因每个量子位有两个概率幅,故每个粒子同时占据空间两个位置,在粒子数目相同时,能加速粒子的搜索进程.实验结果表明,本算法优于基本粒子群算法.     

多尺度Retinex算法的园林景观图像优化研究

为了提高园林景观图像的视觉效果和清晰程度,提出了多尺度Retinex算法的园林景观图像优化方法。利用模糊同组技术划分像素点中的平滑区域点、噪声点以及细节点,使用矢量中值滤波去除噪声点。在去噪后的图像中使用多尺度Retinex算法增强图像,分析平滑与细节区域点在局部窗口所占比例,融合单尺度增强结果实现图像初步优化,经动态截取拉伸操作恢复增强效果后的图像颜色,实现园林景观图像优化。经实验验证,该方法能够获得良好去噪和清晰优化效果的园林景观图像,同时还能够适当平衡图像对比度,保证图像具备良好的亮度和视觉效果。     

基于量子粒子群优化算法的图像分割方法

利用量子粒子群优化算法(QPSO)对二维Fisher准则图像分割评价函数进行了全局优化,提高了分割阈值的求解速度。并针对量子粒子群优化算法存在收敛性差、易早熟的问题,提出了量子粒子群优化算法和邻域搜索双重寻优的改进算法。实验结果表明,改进后的分割方法具有良好的分割效果和求解速度。寻找到的最佳阈值与二维Fisher准则函数算法完全相同,而阈值求解时间只有二维Fisher准则函数算法的1/3。     

具有量子行为的粒子群优化算法惯性权重研究及应用

在研究惯性权重对基本PSO算法影响的基础上,根据惯性权重对粒子群算法影响的特点,采用4种惯性权重策略对一种新的具有量子行为的粒子群算法的速度进行调节,比较每种算法的性能,从中找到一种新的性能更好的改进算法,将其用于求解0-1背包问题。实验结果表明较好地选择惯性权重参数对算法的性能有很大提高,该改进算法在求解0-1背包问题中具有高效性,提高了最优解的精度,同时具有较快的收敛速度。     

量子算法的经典计算机模拟

1994年Shor量子算法的发明掀起了研究量子算法的热潮,如何设计使用模拟器研究量子算法成为当前的一个课题。论文从应用目的、数据表示、功能特点等方面叙述了当前已有的量子算法模拟器,并对其进行了复杂度分析,同时介绍了量子算法模拟的语言还有通用的调试环境。     

量子免疫克隆多目标优化算法

该文基于免疫系统的免疫优势概念和抗体克隆选择学说,采用量子位编码,提出了一种量子免疫克隆多目标优化算法,并对算法进行了理论分析;与RWGA、SPEA和MISA等算法的比较表明,该算法对低维多目标优化问题更有效。     

三元相关性量子行为粒子群优化算法研究

为了提高QPSO算法的收敛性能,在对随机因子进行分析的基础上提出了三元相关性QPSO(TC-QPSO, ternary correlation QPSO)算法。该算法使用正态Copula函数建立了粒子对自身经验信息、群体共享信息以及粒子当前位置与群体平均最好位置的距离信息之间的内在认知和联系,并利用Cholesky平方根公式给出了三元相关因子的生成方法。对测试函数的仿真结果证明,当三元相关因子u与r1或r2之间存在负线性相关关系时,TC-QPSO算法可以获得比标准QPSO算法更好的优化性能。     

量子演化算法的改进研究

从两个方面对量子演化算法进行改进:(1)因量子染色体的量子位处于叠加态和纠缠态,无法使用传统的交叉方式对量子位进行操作,设计了针对测量后的经典染色体进行全干扰交叉,这样既不会破坏量子染色体的固有的并行性,又可以增加测量后染色体的多样性,继而影响量子染色体进化方向,加快算法的收敛速度,有效地防止"早熟";(2)设计了概率触发器启动量子非门进行量子变异。实验表明,改进的量子演化算法比起先前的算法具有更好的寻优能力,更稳定的收敛度。