量子进化策略

本文将进化策略和量子理论相结合,提出一种新的学习算法-量子进化策略(Quantum Evolutionary Strategies)算法.它是一种基于量子计算的概念和理论(诸如量子比特和量子叠加态)的进化策略算法,在这一算法中,采用量子编码来表征染色体,使用量子变异实现染色体的进化.由于量子变异中融入了当前最优解的信息,同时采用“全干扰交叉”操作克服早熟现象的发生,因此它比传统进化策略具有更快的收敛速度和全局寻优的能力.本文不仅从理论上证明了它的全局收敛性,而且仿真计算也表明了此算法的优越性.     

一种基于高校排课问题的新型量子遗传进化算法

量子遗传进化算法是量子计算和遗传算法相结合的产物,量子比特是两个量子态的叠加态,在此,详细介绍了量子遗传进化算法。尝试使用量子遗传进化算法来解决高校排课问题,并进行了实验。实验结果表明,该算法获得了比较好的结果。     

基于量子免疫克隆聚类的SAR图像变化检测

传统的基于进化聚类方法在处理变化检测时耗时过长,在搜索最优聚类中心过程中容易陷入局部最优,对于SAR图像的变化检测存在边缘定位不够准确的缺点,提出了基于量子免疫克隆聚类的SAR图像变化检测方法.把图像的灰度值作为输入信息,通过量子比特定义聚类中心,通过量子免疫克隆算法来搜索最优聚类中心,从而得到更佳的全局阈值,最后根据...     

基于DCT域最低位平面量子位的隐写分析

针对Jsteg、MB、OutGuess三种JPEG图像隐写算法,提出了一种基于DCT域最低位平面量子位的隐写分析算法。该算法通过分析JPEG图像隐写前后子块DCT域最低位平面量子位叠加系数的变化,提取该量子位16个叠加系数作为特征向量,之后用LSSVM分类器对待测图像进行分类,最终达到检测载密图像的目的。实验表明,该算法能有效地对JPEG图像进行隐写分析,同时对低嵌入比例下的栽密图像也能达到较高的检测率。     

基于矩阵初等变换的四量子比特可逆电路综合算法

 量子可逆电路实现信息变换的过程可用一个酉矩阵算子表示,采用酉矩阵表示量子可逆电路能更好地反映量子系统的演化,体现量子计算所特有的属性.本文提出基于矩阵初等变换的4量子比特可逆电路综合算法.该算法恰当地利用量子电路的矩阵表示及变换和邻接矩阵的电路转化规则,总能以较小的量子代价综合出任意给定置换的4量子比特可逆逻辑电路.     

基于改进量子遗传算法的图像边缘检测研究

针对量子遗传算法在图像边缘检测存在的不足,提出一种改进的措施。首先对量子比特实施变换来控制量子态的演化和传递,对量子门旋转角大小增设系数来改变控制算法的收敛速度,旋转角方向调整系数避免部分个体因种群规模较大而使得角度方向改变值过小;然后进行量子比特幅编码,令有基因位的概率幅相同,使在整个解空间中所有可能解的取值概率相同;最后给出了图像边缘评价函数。实验仿真通过不同算法对比,本文算法对图像边缘检测效果好。     

量子遗传进化算法的收敛性研究

量子遗传算法建立在量子的态矢量表达基础上,染色体的编码用量子比特的几率幅表示,使得一条染色体表达多个态的叠加,再利用量子门实现染色体更新操作,从而达到目标的优化求解.它具有种群规模小而不影响算法性能,收敛速度快和全局优化能力强等特点.但是遗传算法的随机性不好把握,收敛方向不好控制,针对遗传算法的种种问题,通过多种方法来对收敛性进行研究.     

基于量子计算方法的多址DCSK通信系统的研究

为了降低多用户之间的干扰问题,提出了一种新的混沌多址通信系统（多比特MA-DCSK）,并设计了该系统的多用户检测算法。通过仿真实验,比较了该多比特MA-DCSK系统与可变延时MA-DCSK系统的误码率性能,证明了该系统具有更低的误码率。利用量子并行运算的特性,采用Grover量子算法解决多用户检测算法的计算复杂度,这种算法可以将复杂度从 降低到 。仿真结果表明,在不影响系统性能的同时,量子算法可以有效地降低计算复杂度。     

一种基于量子机制的图像显著性检测方案

提出了一种与传统方法相比效率更高的量子图像显著性检测方案.为了在量子计算机中表示和存储RGB图像,并计算不同像素间的反差,此方案采用3量子位描述颜色信息,把2轨×2图像矩阵编码为量子叠加态;结合Hadamard门和受控旋转算子,计算基态概率幅可反映像素在RGB三通道上的全局颜色反差;通过有限次数的投影测量可得到像素的归一化颜色反差及位置信息,并构建显著图.给出了相关量子电路的实现和复杂度分析.与多种传统显著性检测算法进行了对比实验,结果表明提出的方案具有良好的检测效果和更高的检测效率.     

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。     

量子进化组播路由算法

近年来,时延受限的代价最小组播树问题备受关注。作为全局优化算法,遗传算法（GA）越来越多的用于解决组播路由问题。GA拥有比经典算法更强的搜索能力,但是它容易陷入＂早熟＂,很难得到最优组播树。基于量子计算的机理和特性并结合进化计算,提出了一种新颖的量子进化组播路由算法（QEA）,有效地解决了遗传组播路由算法中的＂早熟＂问题,并且在每代个体更新中采用量子旋转门策略加速了算法的收敛速度。算法实现简单,控制灵活。仿真结果表明QEA算法性能优于改进的进化算法即克隆多播路由算法（CS）和传统的遗传算法（GA）。     

Time-Frequency Atom Decomposition with Quantum-Inspired Evolutionary Algorithms

Time-frequency atom decomposition (TFAD) provides a flexible representation for non-stationary signals, but the extremely high computational effort greatly blocks its practical applications. Quantum-inspired evolutionary algorithms (QEA) are efficient optimization methods with strong search capability and rapid convergence. This paper proposes the application of a modified variant of QEA to the TFAD problem. The problem on TFAD with evolutionary algorithms is formulated. By using gray coding, elite groups, and an appropriate termination criterion, the modified QEA is developed to search the suboptimal time-frequency atoms from a very large and redundant time-frequency dictionary. Also, this paper discusses the reduction of the computational time in terms of parameter setting, and presents an application example of radar emitter signals. Extensive experiments show the effectiveness and practicability of the presented algorithm.     

量子克隆进化算法

本文在量子进化算法的基础上结合基于克隆选择学说的克隆算子,提出了改进的进化算法--量子克隆进化策略算法(QCES).它既借鉴了量子进化算法的高效并行性又利用克隆算子来代替其中的变异和选择操作,以增加种群的多样性,避免了早熟,且收敛速度快.本文不仅从理论上证明了该算法的收敛,而且通过仿真实验表明了此算法的优越性.     

基于改进量子旋转门的量子进化数据聚类

在量子进化计算中,量子旋转门是种群进化的主要算子,但是该算子旋转角度的选取是离散且固定的,使问题的搜索容易陷入局部最优.因此,本文提出了一种改进的量子旋转门算子,它能够自适应地计算旋转角度,使种群能够具有比较好的全局搜索能力;同时为了避免陷入局部最优,本文对旋转后的概率幅进行了修正操作.针对数据聚类问题,本文提出了一种...     

改进Hausdorff距离和量子遗传算法在激光制导中的应用

为了在激光成像制导中提高目标识别的精度和实时性,并在遮挡条件下进行有效识别,采用基于改进Hausdorff距离和量子遗传算法的激光图像匹配算法,选择图像的局部边缘特征为特征空间,针对传统Hausdorff算法及几种改进Hausdorff距离存在的问题,提出了一种新的改进Haussdorff距离作为相似性度量;在搜索策略上,选择量子遗传算法进行并行搜索,为防止种群过早收敛,提出了种群灾变策略,并应用动态的量子旋转角调节收敛的速度和方向。通过理论分析和实验验证,取得了不同参量条件下的目标识别对比数据。结果表明,该算法可以消除激光图像中局部遮挡、噪声以及出格点等因素影响,鲁棒性好、匹配精度高、计算速度快。     

引入逆学习的量子自适应禁忌搜索算法

为增强量子进化算法的局部优化能力,结合禁忌搜索思想,提出一种具有逆学习机制的量子自适应禁忌搜索算法.算法采用一种量子自适应邻域映射机制,且禁忌表的禁忌长度可随量子态动态调整,这些策略较好的解决了集中性和多样性搜索的矛盾.另外,算法增加了一种能使个体尽快摆脱劣势区域的逆学习量子更新模式.设计的算法能较好的平衡全局和局部搜索,能有效避免量子过快陷入局部极值.通过实验表明提出的算法具有更好的局部搜索能力.     

An improved quantum-inspired evolutionary algorithm for coding resource optimization based network coding multicast scheme

This paper investigates how to minimize the required coding resources in network-coding-based multicast scenarios. An evolutionary algorithm (MEQEA) is proposed to address the above problem. Based on quantum-inspired evolutionary algorithm (QEA), MEQEA introduces multi-granularity evolution mechanism which allows different chromosomes, at each generation, to have different rotation angle step values for update. In virtue of this mechanism, MEQEA significantly improves its capability of exploration and exploitation, since its optimization performance is no longer overly dependant upon the single rotation angle step scheme shared by all chromosomes. MEQEA also presents an adaptive quantum mutation operation which is able to prevent local search efficiently. Simulations are carried out over a number of network topologies. The results show that MEQEA outperforms other heuristic algorithms and is characterized by high success ratio, fast convergence, and excellent global-search capability.     

基于多算子协同进化的自适应并行量子遗传算法

量子遗传算法具有种群规模小,全局搜索能力强的特点被广泛应用于各类优化问题的求解.为了进一步提高量子遗传算法的收敛速度和搜索稳定性,克服算法的早熟问题,本文改进了基于自适应机制的量子遗传算法.在自适应量子遗传算法的基础上根据种群的适应度定义了个体相似度评价算子、个体适应度评价算子和种群变异调整算子及相应算子的计算方法,利用多算子协同评价当前种群状态并根据进化代数的变化,自适应的改变个体的变异概率,提高了算法全局寻优能力和收敛速度,降低了算法陷入局部寻优的概率.此外,为了提高算法的时间效率,将算法采用并行多宇宙的方式实现.实验结果表明,本文提出的算法在全局搜索性能、收敛速度和时间效率方面有较好的综合表现.     

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。