用于网络编码优化的改进量子进化算法

网络编码允许网络中间节点对输入数据进行处理而非简单转发,提高了网络的吞吐量和鲁棒性,已经被证明能够达到网络最大流最小割限制。但网络节点的编码操作引发了额外的计算及资源开销。为此,该文提出了一种针对网络编码优化的改进量子进化算法IQEA-NC,以满足达到理论多播速率的情况下最小化网络的编码开销目的。IQEA-NC对传统量子进化算法进行了有效的改进,降低了算法搜索空间,增强了全局搜索能力,同时避免了陷入局部最优。仿真对比实验表明,同已有的量子进化算法及其他进化算法相比,该方法提高了优化性能,在准确性和收敛速度上都具有较大的优势。     

基于量子衍生方法的空域滤波图像增强算法

借鉴量子衍生方法,将归一化图像表示为量子比特形式,利用图像像素点与其邻域像素点灰度相关性强的特点,提出了一种基于量子衍生方法的空域滤波图像增强算法,并选择3×3和5×5两种大小的空域滤波模板,进行了算法的仿真和比较.最后,引入客观评价指标图像的熵,对算法的图像增强效果进行评价.结果表明,从主观视觉和客观评价指标两方面,该算法的图像增强效果都优于传统图像增强算法.针对能见度和对比度较低的图像,相比3×3大小的空域滤波模板,5×5大小的空域滤波模板时,算法的图像增强效果更佳,图像的熵更大.     

一种求解同等并行机调度的混合量子衍生进化规划算法

针对带顺序相关建立时间的同等并行机调度问题的求解,提出一种新的混合量子衍生进化规划算法.该算法通过定义新的量子个体来表示调度问题中的工件排序,并定义了针对调度问题的量子旋转角,使个体向更好的解靠近.同时,针对并行机问题本身,改进了个体的编码方式和新的变异方法.为了验证算法的有效性和收敛性,采用不同规模的算例进行仿真实验.结果表明,即使在小种群情况下,算法所得解均优于基本进化规划求得的解.     

Job-Shop调度问题的量子蚁群算法求解*

针对最小化最大完工时间的作业车间调度问题,提出了一种量子蚁群调度算法.该算法结合了量子计算中量子旋转门的量子信息和蚁群寻优的特点,通过作业车间调度问题的析取图表示,将原问题转换为求解析取图的关动路径,并利用量子蚁群算法进行求解.采用该算法对作业车间调度问题的基准数据进行测试,仿真结果表明了该算法的可行性和有效性.     

量子进化算法在水下目标DOA估计中的应用*

高分辨DOA估计算法的空间谱搜索运算量大、耗时长,利用量子进化算法（QEA）的并行加速特性对其进行优化,是满足应用实时性的有效途径。利用模拟退火原则对传统QEA的旋转角取值策略进行了改进,并在比较DOA估计的信号相位匹配（SPM）算法、MUSIC算法和CBF算法的计算复杂度的基础上,提出了一种基于改进QEA（MQEA）的水下目标SPM定向算法。仿真实验和湖试数据实验结果表明,所提算法测向精度虽稍有下降,但大幅缩短了计算耗时,提高了DOA估计的实时性。     

用量子遗传算法求解大学排课问题

作为典型的NP完全问题,大学排课问题在教务管理系统中非常重要。该文通过对大学排课问题的数学模型的分析,运用量子遗传算法进行求解。实验结果表明,利用量子遗传算法求解大学排课问题要优于使用遗传算法。     

结合远离最差策略的自适应量子进化算法

针对传统的量子进化算法只使用当前最优个体作为指导,存在进化能力不足,易陷入局部极值的问题,提出了一种结合远离最差策略的自适应量子进化算法KSQEA,使个体在进化过程中不仅向最优个体靠近,而且还远离最差个体,这样在最优个体优势不明显时仍有可能获得进化动力。旋转角更新则采用一种新的自适应波浪式衰减方式,以更好地平衡探查和利用。在函数优化和背包问题上的实验结果表明,以上措施有效地增强了算法的搜索能力,提高了解的质量。     

融合蜂群行为的量子进化算法

为提高量子进化算法的收敛精度和收敛速度,以人工蜂群算法为基本进化框架,提出一种融合蜂群行为的量子进化算法. 将采用相位编码的量子进化种群划分为量子开采种群、量子跟随种群以及量子侦察种群,在每个种群内模拟蜜蜂觅食行为寻优,其中量子开采种群采用混沌扰动搜索,量子跟随种群采用柯西变异操作进化. 同时对所有种群个体采用量子染色体的两步旋转更新方法,并进行自适应的动态变异操作. 利用基准测试函数进行仿真,与相关方法对比分析可知,所提出的算法在大部分的函数上都表现出较好的性能,能有效提高全局收敛性能.     

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．     

二次背包问题的贪婪量子进化算法求解

二次背包问题是一种NP难组合优化问题,其精确算法求解难度大,针对该问题提出了一种量子进化算法求解方法。该算法采用一种相对贪婪修补算子,该修补算子不但考虑了二次背包问题的每一物品项价值,而且考虑了物品的协作价值,是一种动态修补算子。同时算法借鉴粒子群算法中粒子的运动方程,提出了一种具有三类知识学习能力的量子更新模式,使得量子进化中获得的知识更全面。通过对100个国际上大规模二次背包问题进行测试实验,验证了提出的求解算法比相应的其他启发式算法性能有较大提升。