求解旅行商问题的混合量子算法

提出了求解旅行商问题的混合量子算法(HQA).HQA以量子计算为基础,设计了移位解码,解决了构造路径难的问题.并采用微粒群算法的进化模式和跟踪保优模式,构造了动态惯性权重使量子角更新、更有效,增加了局部优化进行精细搜索.对多个算例的测试结果表明,HQA具备了求解旅行商问题的能力.     

考虑人群流动数据的COVID-19传播模型

新冠疫情随着人群的流动和互相接触在各地区快速传播和扩散。通过提出一种考虑地区间人群流动和地区内人群流动状态的疫情传播模型（简称D-SEIR模型）,综合考虑人群的流动情况、易感人群和潜伏人群的数量变化情况,从而预测确诊人群的变化。经过深圳市和山东省的实证数据实验结果表明,D-SEIR模型能够准确拟合COVID-19传播过程中的易感人群和确诊人群的演化趋势。疫情未稳定前,模型对深圳市易感人群和确诊人群变化趋势的拟合优度\begin{document}${{r}^2}$\end{document}可达0.9661,0.8474,山东省的拟合优度\begin{document}${{r}^2}$\end{document}可达0.8576,0.8795。疫情稳定后,模型对深圳市易感人群和确诊人群变化趋势的拟合优度\begin{document}${{r}^2}$\end{document}可达0.9720,0.8180,山东省的拟合优度\begin{document}${{r}^2}$\end{document}可达0.8615,0.9122。模型有助于发现COVID-19在人群流动下的传播规律和特性,为复工复产背景下不同城市和地区的风险预警提供决策依据。     

混合量子算法在生产调度中的应用

针对生产调度领域中的置换Flow Shop调度问题,在量子进化算法思想的基础上,进行了解码、最佳模式设计,并融入了优化方法,形成了混合量子算法(HQA).经过对多个算例的测试,证明HQA在生产调度领域能够提供良好的决策方案和依据.     

混合量子算法在旅行商问题中的应用研究

针对旅行商问题(TSP)的特点提出了一种新的解码方式,结合了进化计算(EA)和微粒群算法(PSO)的思想,构造了独特的混合量子算法(HQA).为进一步提高算法的性能,构造了改进混合量子算法(IHQA).IHQA在更新个体时能够指导惯性权重进行动态变化,决定个体在下一代被吸引或扩散.经测试证明,两种混合算法均表现出强大的寻优能力,IHQA效率更高.